朴素贝叶斯算法

第1关：朴素贝叶斯分类算法流程

任务描述
本关任务:填写python代码，完成fit与predict函数，分别实现模型的训练与预测。

相关知识
为了完成本关任务，你需要掌握：

朴素贝叶斯分类算法的预测流程
朴素贝叶斯分类算法的训练流程
引例
在炎热的夏天你可能需要买一个大西瓜来解暑，但虽然你的挑西瓜的经验很老道，但还是会有挑错的时候。尽管如此，你可能还是更愿意相信自己经验。假设现在在你面前有一个纹路清晰，拍打西瓜后声音浑厚，按照你的经验来看这个西瓜是好瓜的概率有80%，不是好瓜的概率有20%。那么在这个时候你下意识会认为这个西瓜是好瓜，因为它是好瓜的概率大于不是好瓜的概率。

朴素贝叶斯分类算法的预测流程
朴素贝叶斯分类算法的预测思想和引例中挑西瓜的思想一样，会根据以往的经验计算出待预测数据分别为所有类别的概率，然后挑选其中概率最高的类别作为分类结果。

编程要求
根据提示，完成fit与predict函数，分别实现模型的训练与预测。（PS:在fit函数中需要将预测时需要的概率保存到self.label_prob和self.condition_prob这两个变量中）

其中fit函数参数解释如下：

feature：训练数据集所有特征组成的ndarray
label：训练数据集中所有标签组成的ndarray
return：无返回
predict函数参数解释如下：

feature：测试数据集所有特征组成的ndarray。（PS：feature中有多条数据）
return：模型预测的结果。ÿ