重要的不是观察的数量，而是观察的质量。如果您查看 sklearn 的玩具数据集，它们会比这小得多。

当数据量较小时，随机森林是一种很好的算法，因为它是带有引导程序的决策树的装袋。每个决策树都有一个替换的数据样本，这样即使数据很小，也有更大的机会制作一个好的模型。

在高层次上，是的，这似乎是一个不错的方法，但是如果不了解更多数据，就很难说。

我建议尝试使用广义线性模型、支持向量机和梯度提升。由于您的数据很小，因此您不需要太多的计算时间。