আপনার ডেটাसेट সম্পর্কে আরও কিছু না জেনে বলা শক্ত এবং আপনার ডেটাসেটটি কীভাবে পৃথকযোগ্য আপনার বৈশিষ্ট্য ভেক্টরের উপর ভিত্তি করে, তবে আমি সম্ভবত আপনার তুলনামূলকভাবে ছোট নমুনা সেটের কারণে স্ট্যান্ডার্ড এলোমেলো বনের উপর দিয়ে চরম এলোমেলো বন ব্যবহার করার পরামর্শ দেব।
চরম র্যান্ডম অরণ্যগুলি একটি ব্যতিক্রমের সাথে স্ট্যান্ডার্ড র্যান্ডম বনগুলির সাথে বেশ সমান, তবে গাছগুলিতে বিভাজনকে অনুকূলিত করার পরিবর্তে, চরম এলোমেলো অরণ্য এলোমেলোভাবে বিভক্ত করে তোলে। প্রাথমিকভাবে এটি একটি নেতিবাচক বলে মনে হবে তবে এর সাধারণত অর্থ হল আপনার সাধারনত্ব এবং গতি উল্লেখযোগ্যভাবে উন্নত হয়েছে, যদিও আপনার প্রশিক্ষণের সেটটির এটিউসি কিছুটা খারাপ হওয়ার সম্ভাবনা রয়েছে।
এই ধরণের কাজগুলির জন্য লজিস্টিক রিগ্রেশনও বেশ শক্ত বাজি, যদিও আপনার তুলনামূলকভাবে কম মাত্রিকতা এবং ছোট নমুনার আকারের সাথে আমি অত্যধিক মানানসই সম্পর্কে উদ্বিগ্ন হব। আপনি কে-নিকটতম প্রতিবেশীদের ব্যবহার করে দেখতে চেয়েছিলেন যেহেতু এটি প্রায়শই কম মাত্রিক সাথে খুব ইচ্ছা করে তবে এটি সাধারণত শ্রেণীবদ্ধ পরিবর্তনশীলগুলিকে খুব ভালভাবে পরিচালনা করে না।
যদি সমস্যাটি সম্পর্কে আরও কিছু না জেনে আমি একটি বাছাই করতে পারি তবে আমি অবশ্যই আমার বাজিটি চূড়ান্ত এলোমেলো বনের উপর রাখব, কারণ এটি আপনাকে এই জাতীয় ডেটাসেটে ভাল জেনারালাইজেশন দেওয়ার খুব সম্ভবত সম্ভাবনাযুক্ত এবং এটি সংখ্যাসূচক এবং বিভাগীয় ডেটাগুলির মিশ্রণকে আরও ভালভাবে পরিচালনা করে অন্যান্য পদ্ধতির তুলনায়।