很多新手觉得 AI 门槛高，其实只要按步骤来，你也能在自己的电脑上跑通第一个模型。这篇文章带你一步步完成环境安装和验证。

准备环境：你需要什么？

在开始之前，请确保你的电脑能联网，并且有大约 2GB 的磁盘空间。我们主要用到以下工具：

• Python：一种编程语言，AI 开发最常用的语言之一。你可以把它想象成“翻译官”，帮你把想法转成电脑能执行的指令。
• Jupyter Notebook：一个交互式编程环境，让你能边写代码边看结果，非常适合学习。
• scikit-learn：一个 Python 库，里面封装了很多现成的机器学习算法，不用自己从零写。

安装步骤

1. 下载并安装 Python：访问 python.org，下载最新版 Python（建议 3.8 以上）。安装时记得勾选“Add Python to PATH”，否则后续会报错。
2. 安装 Jupyter Notebook：打开终端（Windows 按 Win+R 输入 cmd，Mac 打开“终端”），输入 pip install jupyter 并回车。等待进度条走完。
3. 安装 scikit-learn：同样在终端输入 pip install scikit-learn 并回车。
4. 启动 Jupyter：输入 jupyter notebook，浏览器会自动打开一个页面，这就是你的编程工作台了。

验证是否成功：跑通第一个模型

在 Jupyter 页面中，点击右上角的“New”->“Python 3”，新建一个笔记本。然后依次复制以下代码到单元格中，按 Shift+Enter 运行：

1. from sklearn.datasets import load_iris （加载一个经典数据集——鸢尾花数据）
2. data = load_iris() （把数据存到变量里）
3. X, y = data.data, data.target （分出特征和标签）
4. from sklearn.model_selection import train_test_split （导入分割工具）
5. X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) （分出训练集和测试集）
6. from sklearn.neighbors import KNeighborsClassifier （导入一个简单的分类算法）
7. model = KNeighborsClassifier().fit(X_train, y_train) （训练模型）
8. print(model.score(X_test, y_test)) （打印准确率，如果看到 0.9 以上的数字，就成功了！）

常见坑提醒：如果 pip 安装报错，试试在命令前加 python -m，比如 python -m pip install jupyter。

下一步可以做什么

现在你已经入门了。接下来可以：

• 学习更多 scikit-learn 的算法（如决策树、随机森林）。
• 用 Kaggle 上的免费数据集练习。
• 尝试用 TensorFlow 或 PyTorch 做深度学习——不过那是进阶内容了。

记住，跑通第一个模型只是开始，多动手、多查文档，你很快就能自己解决实际问题。