class sklearn.ensemble.RandomForestClassifier(n_estimators=10,
                                              criterion='gini', 
                                              max_depth=None,
                                              min_samples_split=2,
                                              min_samples_leaf=1, 
                                              min_weight_fraction_leaf=0.0, 
                                              max_features='auto', 
                                              max_leaf_nodes=None, 
                                              bootstrap=True, 
                                              oob_score=False,
                                              n_jobs=1, 
                                              random_state=None,
                                              verbose=0, 
                                              warm_start=False, 
                                              class_weight=None)

我正在使用具有9个样本和大约7000个属性的随机森林模型。在这些样本中，我的分类器可以识别3个类别。

我知道这远非理想条件，但我正在尝试找出哪些属性在特征预测中最重要。哪些参数最适合优化功能重要性？

我尝试了不同的n_estimators并注意到“重要特征”的数量（即feature_importances_数组中的非零值）急剧增加。

我已经阅读了文档，但是如果有任何经验，我想知道最适合调整哪些参数，并简要说明原因。