机器学习简介
机器学习（Machine Learning）是让计算机从数据中自动学习规律，而不是由人编写规则。它是 AI 的主流实现方式。
传统编程：规则 + 数据 = 答案。机器学习：数据 + 答案 = 规则（模型）。模型学会后，给新数据就能预测。
为什么现在爆发
数据量爆炸 + 算力便宜（GPU）+ 开源框架（TensorFlow、PyTorch、scikit-learn）成熟。
本教程
用 scikit-learn（sklearn）讲核心概念，代码简洁，从零到能跑模型。
代码示例
# 安装
# pip install scikit-learn numpy pandas matplotlib
# 验证
import sklearn
print("sklearn 版本:", sklearn.__version__)
# 一个完整的最小流程
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
data = load_iris()
X, y = data.data, data.target
model = DecisionTreeClassifier()
model.fit(X, y) # 训练
print("预测:", model.predict(X[:3])) # 预测
print("真实:", y[:3])📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |