准备你的AI工作台

首先，你需要安装Python（一种简单易学的编程语言，AI开发最常用的工具）。下载地址：python.org，选择最新版本（如3.12），安装时记得勾选“Add Python to PATH”（否则后面会报错）。

接着安装Jupyter Notebook（一个在浏览器里写代码的工具，方便边写边看结果）。打开命令提示符（Windows）或终端（Mac/Linux），输入以下命令并回车：

• pip install jupyter

安装完成后，在命令行输入jupyter notebook，浏览器会自动打开一个页面，这就是你的编程环境了。

安装机器学习库

我们还需要安装scikit-learn（一个Python机器学习库，内置了很多现成的算法，新手友好）。在Jupyter里新建一个笔记本（点击右上角New → Python 3），在第一个单元格中输入：

• !pip install scikit-learn

点击运行（Shift+Enter），等待安装完成。如果出现红色报错，检查网络或尝试pip install scikit-learn --user。

跑通你的第一个模型

现在我们来运行一个简单的分类模型。在同一个笔记本的新单元格中输入以下代码：

1. from sklearn.datasets import load_iris（加载经典的花卉数据集）
2. from sklearn.model_selection import train_test_split（导入数据划分工具）
3. from sklearn.neighbors import KNeighborsClassifier（导入K近邻算法，一种通过找最近邻居来分类的方法）
4. iris = load_iris()（把数据存到变量里）
5. X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)（将数据分成训练集和测试集）
6. model = KNeighborsClassifier()（创建模型）
7. model.fit(X_train, y_train)（训练模型）
8. print(model.score(X_test, y_test))（打印准确率）

运行后你会看到一个0.9以上的数字，说明模型正确识别了90%以上的测试数据。恭喜，你已经成功跑通了第一个AI模型！

下一步可以做什么

你可以尝试更换数据集（比如load_digits手写数字）或调整算法参数（如KNeighborsClassifier(n_neighbors=3)）。记住：AI不是魔法，它只是从数据中学习模式。多练习，你会越来越熟练。