AI零基础学习路径：不啃理论，先跑通一个分类模型

零基础学 AI 最容易犯的错，是先花一个月啃高数线代，结果连一个能跑的模型都没见过。
更实际的路径是：先把 Python 环境装好，用现成库跑通一个最小分类模型，看懂输入输出和评估结果，再按方向补理论或工具。
本文用 scikit-learn 自带的鸢尾花数据集走一遍完整流程，适合完全没有机器学习经验、但能照着命令行操作的人。

先确认你手上有什么

学习路径的第一步不是学算法，而是确认机器能跑 Python。
需要准备：

• 一台 Windows、macOS 或 Linux 电脑，能正常联网
• Python 3.9 以上版本，命令行输入 python --version 能显示版本号
• 一个文本编辑器，VS Code 或系统自带编辑器都可以
• 不需要独立显卡，本文的模型在普通 CPU 上几秒就能跑完

如果 python --version 提示找不到命令，Windows 用户重新运行安装包勾选 Add Python to PATH；
macOS 用户可以用 python3 --version 检查。
这一步不通过，后面的命令都会失败。

建虚拟环境并装依赖

不要直接往系统 Python 里装包，避免不同项目互相污染。
在你想放练习代码的目录下执行：

python -m venv ai-env

Windows 激活命令：

ai-env\Scripts\activate

macOS 或 Linux 激活命令：

source ai-env/bin/activate

激活成功后命令行前面会出现 (ai-env)。
接着安装 scikit-learn：

pip install scikit-learn

安装完成后用 python -c "import sklearn; print(sklearn.__version__)" 验证，能打印出版本号就说明依赖正常。
这里不编造具体版本号，以你实际安装到的为准。

跑通第一个分类模型

新建文件 first_model.py，写入以下代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    iris.data, iris.target, test_size=0.3, random_state=42
)

model = DecisionTreeClassifier(random_state=42)
model.fit(X_train, y_train)

pred = model.predict(X_test)
print("准确率:", accuracy_score(y_test, pred))

保存后在激活了虚拟环境的终端里运行：

python first_model.py

预期结果会输出一个 0.9 左右的准确率。
数字不是重点，重点是你能看到“数据—训练—预测—评估”这条链路完整跑通。
如果报 ModuleNotFoundError: No module named 'sklearn'，说明虚拟环境没激活或包装到了别的环境，重新执行激活命令再装一次。

新手最容易踩的三个坑

第一，跳过虚拟环境直接装包。 系统 Python 里包越装越乱，后面换项目时版本冲突很难排查。
每个练习目录建一个虚拟环境，成本很低。

第二，把准确率当成唯一指标。 本文的鸢尾花数据类别均衡，准确率有参考价值；
换到真实业务里，如果正负样本比例悬殊，只看准确率会被误导，需要看召回率、精确率或混淆矩阵。

第三，一上来就追大模型。 大模型微调对显存、数据量和工程能力都有要求，零基础直接上手容易卡在环境配置上。
先用 scikit-learn 建立对训练流程的直觉，再决定是走应用开发方向还是模型方向。

跑通之后怎么继续

第一个模型跑通只说明环境没问题，不说明你已经掌握机器学习。
下一步按目标分流：想做应用开发，继续学 Pandas 做数据清洗、Flask 或 FastAPI 把模型包成接口；
想理解模型原理，回头看决策树的分裂逻辑和过拟合概念；
想碰大模型，先确认显卡显存和预算，再用 Ollama 之类工具在本地拉一个轻量模型体验推理流程。

验证自己是否真的走完这一步，不看读了多少文章，而看三件事：能独立重建虚拟环境、能修改上面的代码换一个数据集跑通、能解释准确率为什么不是 1.0。
三条都做到，再进入下一阶段。