很多刚接触 AI 的朋友，第一步就被环境安装劝退了。别担心，这篇教程会带你一步步搞定。读完你就能在自己的电脑上运行一个简单的机器学习程序。

准备环境：安装 Python

Python 是一种简单易学的编程语言，AI 领域大多用它。你可以把它想象成一台机器的大脑——没有它，AI 程序跑不起来。

1. 打开浏览器，访问 python.org/downloads。
2. 点击下载按钮（建议选 Python 3.9 或更高版本）。
3. 运行安装包，务必勾选“Add Python to PATH”（这样系统才能找到 Python）。
4. 一路点“Next”完成安装。

常见坑：如果不勾选 PATH，后面会报“python 不是内部或外部命令”。如果已经装错，可以卸载重装。

安装 Jupyter Notebook：你的 AI 记事本

Jupyter Notebook 是一个网页版的编程环境，你可以在里面写代码、看结果、记笔记，非常适合学习。

1. 打开命令提示符（Windows 按 Win+R，输入 cmd 回车）。
2. 输入 pip install jupyter 并回车（pip 是 Python 的安装工具）。
3. 等待下载安装完成（可能需要几分钟）。
4. 安装后输入 jupyter notebook 启动，浏览器会自动打开一个页面。

常见坑：如果提示“pip 不是命令”，说明 Python 没装好或没加到 PATH。重新安装 Python 并勾选 PATH 即可。

安装机器学习库：Scikit-learn

Scikit-learn 是一个开箱即用的机器学习工具箱，里面有各种算法，比如分类、回归、聚类。

1. 在 Jupyter Notebook 中新建一个 Python 3 笔记本。
2. 在第一个单元格输入 !pip install scikit-learn 并运行（点运行按钮或按 Shift+Enter）。
3. 看到“Successfully installed”就成功了。

跑通第一个模型：预测鸢尾花种类

我们用经典的鸢尾花数据集来做一个分类任务。这个数据集包含三种鸢尾花的花瓣、花萼尺寸，我们要让模型根据尺寸猜出是哪一种。

1. 在 Jupyter 新单元格输入以下代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载数据
iris = load_iris()
X, y = iris.data, iris.target

# 拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型并训练
model = KNeighborsClassifier()
model.fit(X_train, y_train)

# 预测并评估
y_pred = model.predict(X_test)
print("准确率:", accuracy_score(y_test, y_pred))

1. 运行代码，你会看到类似“准确率: 1.0”的输出（表示 100% 正确）。

恭喜！你已经跑通了第一个机器学习模型。接下来可以尝试换其他数据集，或者调整参数看看效果变化。