朴素贝叶斯分类算法的Python实现

朴素贝叶斯分类算法是一种基于概率论的分类算法，广泛应用于文本分类、垃圾邮件过滤、情感分析等领域。本文将详细介绍如何使用Python实现朴素贝叶斯分类算法。

首先，我们需要了解朴素贝叶斯分类算法的基本原理。该算法基于贝叶斯定理，通过计算给定类别的条件下，某个特征出现的概率来进行分类。朴素贝叶斯算法假设所有特征之间相互独立，使得计算概率更加简单。

接下来，我们将使用一个示例来说明如何实现朴素贝叶斯分类算法。假设我们有一个简单的数据集，包含两个类别（A和B），每个类别有两个特征（特征1和特征2）。我们的目标是根据给定的特征，将新的数据点分类到类别A或类别B。

首先，我们需要导入必要的库：

import numpy as np

接下来，我们定义一个朴素贝叶斯分类器的类NaiveBayesClassifier：

class NaiveBayesClassifier:
    def fit