Sulit untuk mengatakan tanpa mengetahui lebih banyak tentang dataset Anda, dan bagaimana dipisahkannya dataset Anda berdasarkan vektor fitur Anda, tetapi saya mungkin akan menyarankan menggunakan hutan acak ekstrem atas hutan acak standar karena kumpulan sampel Anda yang relatif kecil.
Hutan acak ekstrim sangat mirip dengan hutan acak standar dengan satu pengecualian bahwa alih-alih mengoptimalkan pemisahan pada pohon, hutan acak ekstrim membuat pemisahan secara acak. Awalnya ini akan tampak seperti negatif, tetapi umumnya berarti bahwa Anda memiliki generalisasi dan kecepatan yang jauh lebih baik, meskipun AUC pada perangkat pelatihan Anda cenderung sedikit lebih buruk.
Regresi logistik juga merupakan taruhan yang cukup solid untuk tugas-tugas semacam ini, meskipun dengan dimensi Anda yang relatif rendah dan ukuran sampel yang kecil, saya akan khawatir tentang overfitting. Anda mungkin ingin memeriksa menggunakan K-Nearest Neighbors karena sering berkinerja sangat baik dengan dimensi rendah, tetapi biasanya tidak menangani variabel kategori dengan sangat baik.
Jika saya harus memilih satu tanpa tahu lebih banyak tentang masalahnya, saya pasti akan menempatkan taruhan saya di hutan acak ekstrim, karena sangat mungkin memberi Anda generalisasi yang baik pada jenis data ini, dan juga menangani campuran data numerik dan kategorikal dengan lebih baik daripada kebanyakan metode lainnya.