准备工作：安装Python

Python是AI编程最常用的语言，相当于给电脑下达指令的“翻译官”。你需要先安装它。

• 打开浏览器，访问 Python官网（python.org），点击“Downloads”按钮。
• 选择适合你电脑系统的版本（Windows/macOS/Linux），建议下载最新稳定版。
• 运行安装包，务必勾选“Add Python to PATH”（将Python添加到系统路径），否则后续命令会找不到Python。
• 一路点击“Install Now”完成安装。

安装AI必备库：Jupyter Notebook与scikit-learn

Jupyter Notebook是一个交互式编程环境，让你能分步写代码并立即看到结果。scikit-learn是常用的机器学习库，内置了许多现成的AI算法。

1. 打开电脑的命令行（Windows搜索“cmd”，macOS/Linux打开“终端”）。
2. 输入以下命令安装Jupyter：pip install jupyter，按回车等待安装完成。
3. 接着安装scikit-learn：pip install scikit-learn。
4. 安装完成后，输入jupyter notebook启动Jupyter，浏览器会自动打开一个页面。

常见坑：如果提示“pip不是内部或外部命令”，说明Python没添加到PATH，请重装并勾选“Add Python to PATH”。

跑通第一个AI模型：识别鸢尾花

我们用经典的鸢尾花数据集，训练一个简单的分类模型，看看它能否根据花瓣长度宽度判断花的种类。

1. 在Jupyter页面中，点击右上角“New” > “Python 3”新建一个笔记本。
2. 在第一个单元格中输入以下代码：
   from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
3. 按Shift+Enter运行，加载必要的库。
4. 在下一个单元格输入：
   iris = load_iris()
X, y = iris.data, iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)
print('准确率:', accuracy_score(y_test, y_pred))
5. 运行后，你会看到类似“准确率: 1.0”的输出，表示模型100%正确分类了测试数据。

下一步可以做什么

你已经成功跑通了第一个AI模型！接下来可以尝试：

• 用不同的数据集（如手写数字识别MNIST）练习。
• 学习更多模型（如KNN、神经网络）。
• 探索深度学习框架（如TensorFlow、PyTorch）。