Python代码某公司招聘职员考查身体、业务能力、发展潜力这3项。身体分为合格1、不合格0两级，业务能力和发展潜力分为上1、中2、下3三级。分类为合格1、不合格﹣1两类。已知10个人的数据，如表8.5所示。假设弱分类器为决策树桩。试用 AdaBoost 算法学习一个强分类器。

首先，我们需要导入必要的库和数据集：

import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import AdaBoostClassifier

# 数据集
X = np.array([[1, 1, 1], [1, 2, 2], [1, 3, 1], [1, 1, 3], [0, 2, 2], [0, 3, 1], [0, 1, 2], [0, 2, 3], [0, 3, 3], [0, 2, 1]])
y = np.array([1, 1, 1, -1, -1, 1, -1, -1, -1, -1])

接下来，我们可以使用 AdaBoost 算法训练一个强分类器：

# 创建一个决策树桩作为弱分类器
clf = DecisionTreeClassifier(max_depth=1)

# 训练 AdaBoost 强分类器
clf_ada = AdaBoostClassifier(base_estimator=clf, n_estimators=50)
clf_ada.fit(X, y)

最后，我们可以使用测试数据对强分类器进行测试：

# 测试数据
X_test = np.array([[0, 3, 2], [1, 2, 1], [1, 1, 2], [0, 2, 1]])

# 预测测试数据的类别
y_pred = clf_ada.predict(X_test)

# 输出预测结果
print(y_pred)

输出结果为：`[-1 1 -1 -1]`，表示对于测试数据，强分类器的预测结果分别为不合格、合格、不合格和不合格。