1-1环境配置与认知启蒙

🎯 教学目标与重难点…

【三维目标】

  • 📚 知识目标：理解 WinPython 的免安装特性与目录结构；掌握 PATH 环境变量的作用与多 Python 版本共存的原理；熟悉 VS Code、Spyder、Jupyter Notebook 三种开发工具的核心功能定位。
  • ⚙️ 能力目标：能够独立完成 WinPython 的解压安装与环境验证；能够使用三种方法（py launcher、改 PATH、绝对路径）指定 Python 解释器；能够在 Jupyter Notebook 中熟练运用核心快捷键和魔法命令完成基础数据可视化任务。
  • 💡 素养目标：建立“环境即基础设施”的专业意识，养成遇到 import 报错时首先检查解释器路径的排查习惯；理解工具链协作的价值，为后续机器学习项目开发奠定规范化的工作流基础。

【重点与难点】

  • 🟢 教学重点：WinPython 的安装与环境验证；Jupyter Notebook 的核心操作（单元格模式、快捷键、魔法命令）；机器学习第一个程序（KNN 分类与可视化）的完整运行。
  • 🟡 教学难点：多 Python 版本共存的原理与 PATH 环境变量的优先级机制；理解 VS Code、Spyder、Jupyter 三者如何共用同一个 Python 解释器。

📌 一、 课程导入（5 分钟）

​

主题：机器学习课程的环境准备

机器学习程序的运行依赖大量第三方库（numpy、pandas、scikit-learn、matplotlib 等），环境配置错误将导致代码无法执行。机器学习初学者的常见障碍并非算法理解困难，而是开发环境的搭建与配置问题。

本课聚焦于机器学习开发环境的完整搭建，涵盖 Python 发行版安装、多版本管理机制、三种主流开发工具的配置与使用，以及 Jupyter Notebook 的核心操作。课程末尾通过一个完整的机器学习程序（基于 scikit-learn 的 KNN 分类器）验证环境可用性。

  • 👨‍🏫 教师活动：以提问方式调查学生在过往编程实践中遇到的 import 报错经历，引出环境配置在机器学习课程中的基础性地位。
  • 🧑‍🎓 学生活动：回顾自身遇到的环境问题并简要分享。

以实际开发中的典型痛点切入，建立“环境配置是机器学习实践的前提条件”这一认知，明确本课在课程体系中的基础定位。

📖 二、 解决问题过程（一）：WinPython 安装与环境验证（20 分钟）

​

1. WinPython 简介

WinPython 是 Windows 平台下的 Python 科学计算发行版，具备以下特征：

  • 免安装：解压即用，不写入 Windows 注册表，卸载仅需删除目录。
  • 预置科学计算栈：numpy、pandas、matplotlib、scikit-learn、jupyter 等库预编译安装。
  • 可移植：支持安装在 U 盘等便携存储设备中跨机器使用。

官方地址：https://winpython.github.io/ 推荐版本：WinPython64-3.10.x 或 3.11.x（Windows 7 需使用 3.8.9 及更早版本）

2. 安装步骤

  1. 从 GitHub Releases 下载 .exe 安装包。
  2. 解压至不含空格和中文字符的路径，例如 D:\WinPython 或 C:\Tools\WinPython。
  3. 打开解压目录，双击 WinPython Command Prompt.exe。
  4. 在命令行中执行以下命令验证安装： 
    1python --version  
2pip list

3. WinPython 目录结构中的工具

工具 可执行文件 功能说明
WinPython Command Prompt WinPython Command Prompt.exe 预配置环境变量的命令行终端
WinPython Control Panel WinPython Control Panel.exe 图形化包管理界面
Spyder spyder.exe 科学计算集成开发环境
Jupyter Notebook jupyter-notebook.exe 交互式计算笔记本
Qt Console qtconsole.exe 增强型 IPython 控制台

所有工具共用同一个 Python 解释器，通过任一工具安装的包均可被其他工具识别。

  • 👨‍🏫 教师活动：演示 WinPython 的解压安装全流程，逐一打开各工具入口并说明其功能定位。
  • 🧑‍🎓 学生活动：跟随完成 WinPython 的安装，在 Command Prompt 中执行验证命令并截图保存。

通过手把手操作确保每位学生完成环境安装，同时建立对整个工具链的全局认知。

📖 三、 解决问题过程（二）：多 Python 版本管理（20 分钟）

​

1. 问题场景

一台计算机可能同时存在多个 Python 解释器（官方 Python、Anaconda、WinPython 及各 IDE 捆绑版本）。命令行中执行 python 命令时具体调用哪个解释器，取决于操作系统的查找机制。

2. PATH 环境变量机制

Windows 操作系统查找可执行文件的顺序：

  1. 当前工作目录
  2. PATH 环境变量中列出的目录（按自上而下的顺序）
1# 查看当前调用的 Python 路径
2where python
3
4# 列出系统中所有已安装的 Python 版本（需 Windows py launcher）
5py --list

3. 指定 Python 解释器的三种方法

方法一：Windows py launcher

1py --list                 # 列出所有可用版本
2py -3.10                  # 调用 Python 3.10
3py -3.10 script.py        # 使用指定版本运行脚本

优势：无需修改 PATH。局限：WinPython 默认未向 py launcher 注册。
解决没注册的问题：

找到 WinPython Command Prompt.exe 并双击运行
输入python -m winpython –register

方法二：修改系统 PATH 环境变量

  1. 右键“此电脑”→ 属性 → 高级系统设置 → 环境变量
  2. 在 Path 变量中将目标 Python 路径（如 D:\WinPython\）移至最上方
  3. 重启命令行终端生效

注意：修改系统变量需管理员权限。

方法三：绝对路径调用

1D:\WinPython\python.exe script.py
2D:\WinPython\Scripts\pip.exe install numpy

优势：精确指定，不依赖任何环境变量配置。适用于机房受限环境和自动化脚本。

  • 👨‍🏫 教师活动：图示讲解 PATH 查找机制，依次演示三种指定方法的操作过程。
  • 🧑‍🎓 学生活动：在命令行中执行 where python 和 py --list，分别用三种方式调用 Python 并比对版本号。

本环节为本课核心难点。通过“现象引入 → 原理剖析 → 解决方案”的递进结构，帮助学生建立系统性环境管理思维，避免停留在机械照搬命令的层面。

📖 四、 解决问题过程（三）：三种 IDE 的配置与使用（20 分钟）

​

1. VS Code 中指定 Python 解释器

方式一：状态栏切换 点击 VS Code 底部状态栏的 Python 版本号，从弹出列表中选择目标解释器。

方式二：命令面板切换 Ctrl+Shift+P → 输入 “Python: Select Interpreter” → 选择目标解释器。

方式三：手动输入路径 若列表中未显示 WinPython，选择 “Enter interpreter path” → 浏览至 D:\WinPython\python.exe。

VS Code 选定解释器后，终端、调试、代码补全、代码检查等功能均使用该解释器。

验证代码：

1import sys
2print(sys.executable)   # 输出当前 Python 解释器路径
3print(sys.version)      # 输出 Python 版本信息

2. Spyder 中指定 Python 解释器

配置步骤：

  1. 启动 Spyder（spyder.exe）
  2. 菜单栏 → Tools → Preferences → Python Interpreter
  3. 选择 “Use the following Python interpreter”
  4. 浏览并选定 D:\WinPython\python.exe
  5. 点击 Apply → OK → 重启 Spyder

Spyder 界面组件：

区域 名称 主要用途
左侧 代码编辑器 编写 .py 脚本文件
右上 变量浏览器（Variable Explorer） 查看变量类型、形状、数值
右下 IPython 控制台 交互式代码执行

变量浏览器是 Spyder 区别于其他编辑器的核心特色功能，适合机器学习代码调试。

3. 三款工具的功能定位与协作策略

工具 适用场景
VS Code 正式项目开发、.py 模块编写、版本控制集成
Spyder 算法调试、变量状态监控
Jupyter Notebook 数据分析探索、可视化、实验文档撰写

三者共用同一个 WinPython 解释器时，可实现代码与模块的跨工具无缝调用。

  • 👨‍🏫 教师活动：演示 VS Code 中三种切换解释器的方法；演示 Spyder 解释器配置步骤；通过验证代码展示三者共用同一解释器的效果。
  • 🧑‍🎓 学生活动：在 VS Code 和 Spyder 中分别完成解释器配置，运行验证代码确认配置正确。

基于学生已有的 VS Code 基础，重点讲授解释器切换这一核心操作，同时拓展 Spyder 工具并建立三款工具协作使用的整体视图。

📖 五、 解决问题过程（四）：Jupyter Notebook 深度讲解（20 分钟）

简单的任务用 Notebook，复杂的项目用 Lab。

​

1. 启动方式

在 WinPython 目录双击 jupyter-notebook.exe，或在 WinPython Command Prompt 中执行：

1jupyter notebook

启动后浏览器自动打开 http://localhost:8888。启动 Jupyter 的终端窗口不可关闭，否则内核将终止。

2. 核心概念

两种模式：

模式 外观标识 进入方式
编辑模式 单元格边框绿色 按 Enter
命令模式 单元格边框蓝色 按 Esc

两种单元格类型：

  • Code：执行 Python 代码
  • Markdown：撰写格式化文本，支持 LaTeX 数学公式

3. 核心快捷键

快捷键 功能 适用模式
Shift + Enter 运行当前单元格并跳转至下一单元格 任意
Ctrl + Enter 运行当前单元格 任意
Alt + Enter 运行当前单元格并在下方新建单元格 任意
Esc → A 在上方插入单元格 命令模式
Esc → B 在下方插入单元格 命令模式
Esc → DD 删除当前单元格 命令模式
Esc → M 切换为 Markdown 单元格 命令模式
Esc → Y 切换为 Code 单元格 命令模式
Esc → H 显示快捷键帮助 命令模式

4. 常用魔法命令

 1# 使 matplotlib 图表内嵌显示
 2%matplotlib inline
 3
 4# 单次计时
 5%time
 6
 7# 多次计时取平均值
 8%timeit
 9
10# 将单元格内容写入外部文件
11%%writefile filename.py
12
13# 运行外部 Python 文件
14%run filename.py
15
16# 列出当前命名空间中的所有变量
17%who
18
19# 清空当前命名空间中的所有变量
20%reset
  • 👨‍🏫 教师活动：演示 Jupyter 启动及界面布局；逐一演示各快捷键和魔法命令的执行效果。
  • 🧑‍🎓 学生活动：跟随教师启动 Jupyter Notebook，新建 Notebook，依次练习所有核心快捷键和关键魔法命令。

Jupyter Notebook 是本课程后续使用频率最高的工具之一。本环节通过“概念认知 → 快捷键训练 → 魔法命令应用”的完整路径，确保学生形成肌肉记忆，为后续交互式数据分析与实验记录打好基础。

✍️ 六、 解决问题过程（五）：机器学习第一行代码 + 课堂练习（15 分钟）

​

第一个机器学习程序

在 Jupyter Notebook 中运行以下代码，完成基于 KNN 算法的鸢尾花分类任务：

 1# 导入依赖库
 2import numpy as np
 3import matplotlib.pyplot as plt
 4from sklearn.datasets import load_iris
 5from sklearn.neighbors import KNeighborsClassifier
 6from sklearn.model_selection import train_test_split
 7plt.rcParams['font.sans-serif'] = ['SimHei']
 8plt.rcParams['axes.unicode_minus'] = False
 9# 加载鸢尾花数据集
10iris = load_iris()
11X, y = iris.data, iris.target
12
13# 划分训练集与测试集
14X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
15
16# 实例化 KNN 分类器并训练
17knn = KNeighborsClassifier(n_neighbors=3)
18knn.fit(X_train, y_train)
19
20# 评估模型准确率
21accuracy = knn.score(X_test, y_test)
22print(f"模型准确率: {accuracy:.2f}")
23
24# 可视化：取前两个特征绘制散点图
25plt.scatter(X[:, 0], X[:, 1], c=y, cmap='viridis')
26plt.xlabel(iris.feature_names[0])
27plt.ylabel(iris.feature_names[1])
28plt.title('鸢尾花数据集可视化（前两个特征）')
29plt.colorbar()
30plt.show()

该程序在不到 15 行代码内完成了数据加载、训练/测试分割、模型训练、性能评估与可视化全流程，用于验证环境的完整可用性。各函数的具体原理将在后续课程中逐一展开。

  • 👨‍🏫 教师活动：逐行解释代码的功能（不作深入原理讲解），运行并展示结果，强调环境验证的目的。
  • 🧑‍🎓 学生活动：在 Jupyter Notebook 中逐行输入并运行代码，观察输出，体验完整 ML 程序流程。

在课程尾声通过一个完整的可执行程序验证环境配置的正确性，同时让学生建立对机器学习工作流的初步感性认识，为后续课程内容的展开铺设基础。

✍️ 七、 课堂练习与巩固（10 分钟）

📝 任务一：Jupyter Notebook 基础绘图练习

题目：

在 Jupyter Notebook 中完成以下操作，保存 .ipynb 文件并提交。

  1. 创建一个标题为“机器学习第一课练习”的 Markdown 单元格
  2. 创建一个 Code 单元格，导入 numpy 和 matplotlib
  3. 生成 100 个 0 到 10 之间的等间隔点，计算其正弦值和余弦值
  4. 在同一张图上绘制正弦（红色实线）和余弦（蓝色虚线）两条曲线
  5. 添加图例、标题、坐标轴标签
  6. 使用 %matplotlib inline 使图表内嵌显示
参考代码与解析 
 1import numpy as np
 2import matplotlib.pyplot as plt
 3%matplotlib inline
 4
 5x = np.linspace(0, 10, 100)
 6y_sin = np.sin(x)
 7y_cos = np.cos(x)
 8
 9plt.plot(x, y_sin, 'r-', label='sin(x)')
10plt.plot(x, y_cos, 'b--', label='cos(x)')
11plt.xlabel('x')
12plt.ylabel('y')
13plt.title('正弦与余弦函数')
14plt.legend()
15plt.grid(True)
16plt.show()

考察要点：linspace 生成序列、plot 颜色与线型参数、图表装饰元素（标签/标题/图例/网格）。

📝 任务二：环境探索与变量监控

题目：

在 Jupyter Notebook 中新建一个 Notebook，完成以下探索任务：

  1. 在第一个 Code 单元格中运行 import sys; print(sys.executable) 和 print(sys.version)，记录当前使用的 Python 路径和版本
  2. 在第二个 Code 单元格中运行 !pip list（行首 ! 用于执行系统命令），列出所有已安装的包
  3. 在第三个 Code 单元格中运行 %who，观察输出
  4. 在第四个 Code 单元格中运行 x = 10; y = 20; z = x + y，然后再次运行 %who，观察变化
  5. 用 Markdown 单元格记录当前系统中 where python 显示的所有 Python 路径
参考代码与解析 
 1# 单元格 1
 2import sys
 3print(sys.executable)
 4print(sys.version)
 5
 6# 单元格 2
 7!pip list
 8
 9# 单元格 3
10%who
11
12# 单元格 4
13x = 10
14y = 20
15z = x + y
16%who

考察要点：sys.executable 查看当前解释器路径、! 执行系统命令、%who 查看命名空间变量。

📝 任务三：小组互检

题目：

两人一组，交叉检查对方的以下配置项：

  1. WinPython 解压路径是否不含空格和中文字符
  2. VS Code 状态栏是否显示 WinPython 解释器
  3. Jupyter Notebook 是否能正常启动并新建 Notebook
  4. “第一个机器学习程序”是否成功运行并输出准确率与图表

小组内先尝试自行解决遇到的问题，无法解决的记录后向教师求助。

📝 八、 课堂小结（5 分钟）

flowchart LR
    root["📊 机器学习第一课"]

    subgraph C1["🔧 环境安装"]
        direction TB
        A1["WinPython 解压即用"]
        A2["自带科学计算全家桶"]
        A3["验证: python --version"]
    end

    subgraph C2["⚙️ 版本管理"]
        direction TB
        B1["PATH 环境变量决定优先级"]
        B2["where python 查看当前"]
        B3["三种指定方式: py / 改PATH / 绝对路径"]
    end

    subgraph C3["🛠️ 三种 IDE"]
        direction TB
        C1_node["VS Code: 状态栏切换解释器"]
        C2_node["Spyder: 变量浏览器调试"]
        C3_node["Jupyter: 交互式数据分析"]
    end

    subgraph C4["📓 Jupyter 核心"]
        direction TB
        D1["命令模式(Esc) vs 编辑模式(Enter)"]
        D2["核心快捷键: Shift+Enter / A / B / DD"]
        D3["魔法命令: %matplotlib inline / %time"]
    end

    subgraph C5["🤖 第一个 ML 程序"]
        direction TB
        E1["sklearn 加载鸢尾花数据集"]
        E2["KNN 分类器训练与评估"]
        E3["matplotlib 可视化展示"]
    end

    root --> C1
    root --> C2
    root --> C3
    root --> C4
    root --> C5

    style root fill:#4b6cb7,stroke:#253b6e,color:#fff,stroke-width:2px,rx:8px,ry:8px
    style C1 fill:#e3f2fd,stroke:#2196f3,stroke-width:1px
    style C2 fill:#fff3e0,stroke:#ff9800,stroke-width:1px
    style C3 fill:#e8f5e9,stroke:#4caf50,stroke-width:1px
    style C4 fill:#fce4ec,stroke:#e91e63,stroke-width:1px
    style C5 fill:#f3e5f5,stroke:#9c27b0,stroke-width:1px

✏️ 随堂检测与互动练习

点击展开：随堂测试题（带解析）

一、 单选题

  1. 以下关于 WinPython 的描述，正确的是？
  • A. 需要运行安装程序才能使用
  • B. 解压路径中可以包含空格
  • C. 预装了 numpy、pandas、matplotlib、scikit-learn 等库
  • D. 不支持在 U 盘中运行
【答案】

【解析】：C。A 错误：WinPython 免安装，解压即用；B 错误：路径中含空格可能导致部分工具运行异常；D 错误：WinPython 支持便携式部署。

  1. 在 Windows 命令行中执行 where python，输出的结果是？
  • A. 当前 Python 的版本号
  • B. 当前 Python 的安装路径
  • C. 按 PATH 顺序列出的所有 python.exe 的位置
  • D. Python 的可执行文件大小
【答案】

【解析】：C。where python 按 PATH 环境变量中目录的先后顺序列出所有匹配的 python.exe 完整路径，排在第一的即为当前 python 命令实际调用的解释器。

  1. 在 Jupyter Notebook 中，将当前单元格从 Code 切换为 Markdown 的操作是？
  • A. Ctrl + Enter
  • B. Esc 进入命令模式后按 M
  • C. Esc 进入命令模式后按 Y
  • D. Shift + Enter
【答案】

【解析】：B。M 键将单元格切换为 Markdown 类型，Y 键切换为 Code 类型。Shift+Enter 和 Ctrl+Enter 为运行快捷键。

  1. Spyder 区别于其他 Python IDE 的核心特色功能是？
  • A. 代码自动补全
  • B. 变量浏览器（Variable Explorer）
  • C. 语法高亮
  • D. 多文件编辑
【答案】

【解析】：B。变量浏览器是 Spyder 的标志性功能，可表格化展示当前命名空间中所有变量的类型、形状和数值，对调试机器学习代码尤为实用。

  1. 在 Jupyter Notebook 中执行 %matplotlib inline 的作用是？
  • A. 安装 matplotlib 库
  • B. 使绘制的图表直接显示在 Notebook 单元格下方
  • C. 清除所有已绘制的图表
  • D. 将 Notebook 导出为 PDF
【答案】

【解析】：B。%matplotlib inline 是 Jupyter 魔术命令，设置 matplotlib 以“内嵌”模式显示图表，而非弹出独立窗口。

二、 代码填空题

题目：在 VS Code 中验证当前 Python 解释器路径，请补全代码：

1import ____
2
3print(____.__________)
4print(____.______)
【答案】 
1import sys
2print(sys.executable)
3print(sys.version)

三、 判断题

  1. WinPython Command Prompt 中通过 pip 安装的包，在 Jupyter Notebook 中可以直接使用。（ ）
【答案】

【解析】：√。WinPython 的所有工具共用同一 Python 解释器和 site-packages 目录，因此任一工具安装的包均可被其他工具识别。

  1. 修改系统 PATH 环境变量后，已打开的命令行窗口会立即生效。（ ）
【答案】

【解析】：×。环境变量修改只对新启动的进程生效，已打开的命令行窗口需重启后方可加载新的 PATH 配置。

  1. Jupyter Notebook 的单元格仅支持 Code 这一种类型。（ ）
【答案】

【解析】：×。Jupyter Notebook 支持 Code 和 Markdown 两种主要单元格类型，另支持 Raw NBConvert 等其他类型。

📮 九、 课后作业与拓展

📮 课后作业

作业一：环境配置与截图提交（必做）

  1. 在自己的计算机上完成 WinPython 的安装
  2. 在 VS Code 中配置 WinPython 为默认解释器，截取底部状态栏显示的解释器路径
  3. 在 Spyder 中配置 WinPython 为解释器，截取 Preferences 中的设置界面
  4. 所有截图整理为一份文档提交

作业二：Jupyter Notebook 综合练习（必做）

在 Jupyter Notebook 中完成以下任务，导出为 .html 文件提交：

  1. 创建 Notebook，第一单元用 Markdown 写一级标题“Python 环境探索报告”，注明姓名和日期
  2. 创建 Code 单元，用 sys.executable 和 sys.version 打印当前 Python 路径和版本
  3. 创建 Code 单元，用 !where python 列出系统中所有 Python 安装位置
  4. 创建 Markdown 单元，用表格对比 VS Code、Spyder、Jupyter Notebook 三款工具的适用场景
  5. 绘制 2 行 1 列的子图：上方绘制正弦波（红色实线），下方绘制余弦波（蓝色虚线），添加标题、坐标轴标签和图例
  6. 用 Markdown 总结本课最重要的三个知识点

作业三：实践探索（选做）

  1. 在 WinPython Command Prompt 中使用 pip install requests 安装新包，然后在 Jupyter Notebook 中 import requests 验证可用性，记录完整过程
  2. 查阅资料了解 Python 虚拟环境（venv/virtualenv）的用途，撰写 200 字以内的说明，解释机器学习项目为何需要虚拟环境

作业四：预习任务（选做）

  1. 阅读 scikit-learn 官方文档中 KNN 分类器部分：https://scikit-learn.org/stable/modules/neighbors.html
  2. 修改课堂代码中的 n_neighbors 参数（分别设为 1、5、10），记录准确率变化并思考原因

📋 十、 板书设计

🛠️ 板书设计 
 1┌─────────────────────────────────────────────────────────────────────────────┐
 2│                   机器学习第一课 — 环境配置与认知启蒙                        │
 3├─────────────────────────────────────────────────────────────────────────────┤
 4│                                                                             │
 5│  一、WinPython                                                              │
 6│      ├── 免安装 · 解压即用 · 可移植                                       │
 7│      ├── 预置科学计算库 (numpy, pandas, sklearn, matplotlib, jupyter)      │
 8│      └── 工具箱：Command Prompt / Control Panel / Spyder / Jupyter         │
 9│                                                                             │
10│  二、多 Python 版本管理  ⚠️ 核心难点                                       │
11│      ├── PATH 环境变量决定查找优先级                                       │
12│      ├── where python 查看当前调用的解释器                                  │
13│      └── 三种指定方式：                                                     │
14│          ① py -3.10     (py launcher)                                     │
15│          ② 调整 PATH 顺序 (一劳永逸)                                      │
16│          ③ 绝对路径调用   (最稳妥)                                        │
17│                                                                             │
18│  三、三种 IDE 的功能定位                                                     │
19│      ├── VS Code   → 项目开发 (.py 模块)                                   │
20│      ├── Spyder    → 算法调试 (变量浏览器)                                  │
21│      └── Jupyter   → 数据分析与实验文档 (交互式)                           │
22│                                                                             │
23│  四、Jupyter Notebook 核心快捷键                                            │
24│      ├── Shift+Enter   运行并跳转                                          │
25│      ├── Esc → A / B   上方/下方插入单元格                                 │
26│      ├── Esc → DD      删除单元格                                          │
27│      └── Esc → M / Y   切换类型 (Markdown / Code)                         │
28│                                                                             │
29│  五、第一个 ML 程序                                                         │
30│      sklearn 鸢尾花数据集 → KNN 分类 → 散点图可视化                         │
31│                                                                             │
32└─────────────────────────────────────────────────────────────────────────────┘

🔤 本课用到的单词

单词 发音（美式） 解释
Python /ˈpaɪθɑːn/ 高级编程语言，本课程使用的核心开发语言
WinPython /wɪn ˈpaɪθɑːn/ Windows 平台免安装的 Python 科学计算发行版
Anaconda /ˌænəˈkɑːndə/ Python 科学计算发行版，包含 conda 包管理器
PATH /pæθ/ 操作系统环境变量，存储可执行文件的搜索目录列表
Interpreter /ɪnˈtɜːrprətər/ 解释器，逐行执行源代码的程序（如 python.exe）
IDE /aɪ diː iː/ Integrated Development Environment，集成开发环境
VS Code /viː es koʊd/ Visual Studio Code，微软开发的轻量级代码编辑器
Spyder /ˈspaɪdər/ 科学计算专用 Python IDE，名称源于 Scientific Python Development Environment
Jupyter /ˈdʒuːpɪtər/ 交互式计算笔记本环境，名称源于 Julia、Python、R 三种语言
Notebook /ˈnoʊtbʊk/ 交互式文档，包含代码、文本、图表等元素
Kernel /ˈkɜːrnl/ 计算内核，Jupyter 中负责代码执行的引擎
Markdown /ˈmɑːrkdaʊn/ 轻量级标记语言，用于编写格式化文本
Magic Command /ˈmædʒɪk kəˈmænd/ 魔法命令，Jupyter/IPython 中以 % 或 %% 开头的特殊指令
Cell /sel/ 单元格，Jupyter Notebook 的基本编辑单元
scikit-learn /ˈsaɪkɪt lɜːrn/ Python 机器学习库，简称 sklearn
numpy /ˈnʌmpaɪ/ Numerical Python，Python 数值计算基础库
matplotlib /ˌmætˈplɒtlɪb/ Python 2D 绘图库，名称源于 MATLAB plot library
KNN /keɪ en en/ K-Nearest Neighbors，K 近邻算法，本课演示的第一个 ML 算法
Iris Dataset /ˈaɪrɪs ˈdeɪtəset/ 鸢尾花数据集，机器学习经典入门数据集
Accuracy /ˈækjərəsi/ 准确率，分类任务评估指标：正确预测数 / 总样本数