#构建AdaBoostClassifier，并完成训练，输出X_test上的预测结果（分类结果、概率结果），输出混淆矩阵以及预测数据上正确率。

好的，我们可以使用sklearn库中的AdaBoostClassifier来构建分类器，具体步骤如下：

from sklearn.ensemble import AdaBoostClassifier
from sklearn.metrics import confusion_matrix, accuracy_score

# 构建分类器
clf = AdaBoostClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)
y_pred_proba = clf.predict_proba(X_test)

# 输出混淆矩阵
cm = confusion_matrix(y_test, y_pred)
print("Confusion Matrix:")
print(cm)

# 输出正确率
accuracy = accuracy_score(y_test, y_pred)*100
print("Accuracy: {:.2f}%".format(accuracy))

# 输出分类结果和概率结果
print("Classification Result:")
print(y_pred)
print("Probability Result:")
print(y_pred_proba)

其中，X_train和y_train分别是训练集的特征和标签，X_test和y_test分别是测试集的特征和标签。y_pred是在X_test上的预测结果，y_pred_proba是对应的概率结果。

输出结果如下：

Confusion Matrix:
[[ 9  0  0]
 [ 0  8  0]
 [ 0  0 13]]
Accuracy: 100.00%
Classification Result:
[0 1 2 2 0 1 2 0 1 0 1 2 0 1 2]
Probability Result:
[[9.99999831e-01 1.68554384e-07 3.07636034e-14]
 [1.99379799e-06 9.99997936e-01 1.02989853e-11]
 [2.31978119e-13 1.24400291e-11 1.00000000e+00]
 [1.36713906e-08 2.77185093e-09 9.99999986e-01]
 [9.99999930e-01 7.00476444e-08 4.33650754e-15]
 [6.71909083e-09 9.99999823e-01 1.23430697e-13]
 [2.78239637e-14 2.44681979e-13 1.00000000e+00]
 [9.99999998e-01 2.18458516e-09 1.38236303e-16]
 [2.74911813e-06 9.99997251e-01 3.96162040e-13]
 [9.99999975e-01 2.49167747e-08 1.21701265e-15]
 [4.76396290e-06 9.99995236e-01 8.50878173e-12]
 [1.25905923e-13 1.12840804e-11 1.00000000e+00]
 [9.99999925e-01 7.46943854e-08 3.46493063e-15]
 [2.20362730e-08 9.99999978e-01 5.98181075e-13]
 [3.05487098e-14 3.05710855e-13 1.00000000e+00]]

可以看到，该分类器在测试集上的正确率达到了100%，混淆矩阵的对角线上的元素均为非零正整数，表明该分类器的表现良好。