8分钟内用pip在Windows完成Jupyter+scikit-learn环境部署并跑通随机森林模型：先升级pip并一次性安装jupyter、numpy、pandas、matplotlib、scikit-learn；cd到项目目录后启动notebook；新建笔记本导入库、生成模拟数据、划分训练测试集、训练预测并输出准确率；最后保存为ipynb或导出含结果的HTML。
在Windows系统中快速启动Jupyter Notebook并完成一次端到端的机器学习数据分析任务，需绕过Anaconda依赖、避开环境变量配置陷阱、直接用pip部署可运行环境，确保从命令行输入指令到跑通第一个scikit-learn模型不超过8分钟。
安装Jupyter与核心数据科学库
打开CMD或PowerShell（无需管理员权限），逐行执行：
pip install --upgrade pip
pip install jupyter numpy pandas matplotlib scikit-learn
这一步必须一次性装齐，否则后续导入sklearn时会报ModuleNotFoundError——因为jupyter单独安装不自动带机器学习栈。若网络慢，可加国内源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ jupyter pandas scikit-learn。
启动Notebook并设置工作目录
不要双击桌面快捷方式，它默认打开用户目录，而你的数据文件很可能在D:\project\data下。
在CMD中先cd到目标路径：cd /d D:\project
再运行：jupyter notebook
浏览器将自动打开http://localhost:8888/tree，且当前显示的就是D:\project下的文件列表。这步错位会导致后续pd.read_csv('data.csv')始终报错“File not found”。
创建并运行第一个机器学习分析笔记本
点击右上角New → Python3，新建一个空白Notebook。
让 Windows 桌面程序在开机时静默自启并隐藏到系统托盘。特别适用于 Flutter、Electron 等无视 VBS/ProcessStartInfo 窗口样式、难以隐藏的顽固应用。提供「VBS 启动器 + Python ctypes/Win32 API」的隐藏窗口方案，可稳定把窗口收进托盘且不闪控制台。
在第一个代码单元格中粘贴以下四行：
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
按Shift+Enter执行，无报错即代表库加载成功。注意：如果卡在import sklearn，说明上一步没装全，立刻退回终端补装pip install scikit-learn。
第二步：生成模拟数据并训练模型（直接复制运行）：
df = pd.DataFrame({'age': [25,35,45,55,65], 'income': [3000,6000,8000,9000,7000], 'buy': [0,1,1,1,0]})
X = df[['age','income']]
y = df['buy']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4)
clf = RandomForestClassifier()
clf.fit(X_train, y_train)
pred = clf.predict(X_test)
accuracy_score(y_test, pred)
执行后单元格下方会输出一个0.x开头的小数——这就是模型准确率。不需要调参、不需真实数据，5秒验证环境可用性。
保存并导出分析结果
点击左上角File → Save and Checkpoint，文件自动保存为Untitled.ipynb。
如需发给同事看但对方没装Jupyter：File → Download as → PDF via LaTeX（需要本地有LaTeX环境）或更稳妥的→ HTML。
【关键前提】导出HTML前务必先执行全部单元格（Cell → Run All），否则导出的HTML里只显示代码、不显示图表和预测结果。
