根据我的经验，sklearn RandomForestClassifier的三个功能按重要性顺序值得探讨：
n_estimators
max_features
criterion
n_estimators确实不值得优化。您提供的估算值越多，效果就会越好。通常500或1000就足够了。
max_features值得探索许多不同的价值。这可能会对RF的行为产生很大影响，因为它决定了RF中每棵树在每个分割处考虑多少个特征。
criterion可能会产生很小的影响，但通常默认设置为罚款。如果有时间，请尝试一下。
尝试这些参数时，请确保使用sklearn的GridSearch（最好是GridSearchCV，但您的数据集大小太小）。
但是，如果我正确理解您的问题，那么您只有9个样本和3个类？大概每个课有3个样本？除非它们是好的，有代表性的记录，否则您的RF很可能会过少地容纳少量数据。
