朴素贝叶斯分类器假设在给定样本label的情况下，样本的不同特征之间相互独立。现用朴素贝叶斯分类器进行垃圾邮件识别，数据包含4个特征。现有的训练数据如下表： 现在将所有的特征进行转换后，得到下表（请在程序以硬编码方式读入）： 转换规则如下：（注：[m,n]表示m,n之间的闭区间，[m,+]表示大于m的开区间） 标题长度（feature 1）：1: [0,3], 2: [3,6]， 3: [6,+] 正文长度（feature 2）：1: [0,10], 2：[10,20], 3: [20,+] 附件含有可执行程序（feature 3）：1： 是， 0：否 正文含特殊字符（feature 4）：1：是，0：否 请在程序中读入上述训练数据，实现朴素贝叶斯分类器，语言不限，但不能使用第三方库，不需要考虑平滑方法，然后对给定的测试数据（特征已转换）进行预测，输出结果；

输入描述:

输入数据如下，第一行一个数字M，表示共有M行训练数据，第2~M+1行，每行5个数字，分别以空格隔开，前四个数字分别代表四个特征，第5个数字代表这一个样本label值。第M+2行是一个数字N，表示共有N行测试样本，随后的N行每行4个数字，分别代表四个特征的值。141 1 1 0 11 1 1 1 12 1 1 0 03 2 1 0 03 3 0 0 03 3 0 1 12 3 0 1 01 2 1 0 11 3 0 0 03 2 0 0 01 2 0 0 02 2 1 1 02 1 0 0 03 2 1 1 153 1 0 01 1 0 02 2 1 12 3 1 13 3 0 0

输出描述:

使用贝叶斯模型对测试样本进行预测，所有结果按顺序输出到一行，以空格分隔；0 0 0 0 0