准备环境：你需要安装什么？

要跑 AI 程序，首先得装好 Python（一种简单易学的编程语言，AI 领域最常用）。去官网 python.org 下载最新版（建议 3.9 以上），安装时记得勾选“Add Python to PATH”。

接着安装 pip（Python 的包管理工具，用来下载别人写好的代码库）。装好 Python 后，打开命令行（Windows 搜索“cmd”，Mac 搜“终端”），输入 pip --version，看到版本号就说明成功了。

常见坑：Windows 用户容易忘记勾选“Add to PATH”，导致命令行找不到 Python。如果遇到“不是内部命令”，重新安装并勾选。

安装 AI 常用库：一行命令搞定

我们装三个最基础的库：numpy（处理数字的数学工具）、pandas（分析表格数据）、scikit-learn（最简单的机器学习库）。在命令行输入：

• pip install numpy pandas scikit-learn

等待下载完成，看到“Successfully installed”就是成功。如果下载慢，可以加上国内镜像源，比如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy pandas scikit-learn。

常见坑：Mac/Linux 用户如果权限不够，前面加 sudo（例如 sudo pip install ...）。

跑通第一个 AI 程序：识别鸢尾花

新建一个文件，取名 first_ai.py，用记事本或任何代码编辑器打开，复制下面代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
import numpy as np

iris = load_iris()
X, y = iris.data, iris.target

# 训练一个简单的决策树模型
model = DecisionTreeClassifier()
model.fit(X, y)

# 预测一个新样本
new_flower = np.array([[5.1, 3.5, 1.4, 0.2]])
prediction = model.predict(new_flower)
print('预测结果类别:', prediction[0])
print('对应花名:', iris.target_names[prediction[0]])

保存后，在命令行进入该文件所在目录，输入 python first_ai.py，如果看到输出“预测结果类别: 0”和“对应花名: setosa”，恭喜你，第一个 AI 程序跑通了！

这段代码做了什么？它加载了经典的鸢尾花数据集（包含花萼、花瓣长度等数据），训练了一个决策树（一种根据条件做判断的模型），然后预测一朵新花属于哪个品种。

下一步可以做什么？

• 试试修改 new_flower 里的数值，看看预测结果怎么变。
• 换一个模型，比如把 DecisionTreeClassifier 改成 KNeighborsClassifier（需要先 from sklearn.neighbors import KNeighborsClassifier）。
• 找一份自己的数据（比如 Excel 表格），用 pandas 读入，尝试训练模型。

至此，你已经完成了 AI 入门的第一步——环境搭建并跑通第一个程序。接下来可以继续学习更复杂的模型和数据处理技巧。