Случайный лесной классификатор

Я пытаюсь создать классификатор случайного леса для биномиальной классификации. Может ли кто-нибудь объяснить, почему мои оценки точности меняются каждый раз, когда я запускаю эту программу? Результаты варьируются от 68% до 74%. Кроме того, я попытался настроить параметры, но не могу добиться точности выше 74. Любые предложения по этому поводу также будут оценены. Я пытался использовать GridSearchCV, но мне удалось приличное увеличение только на 3 балла.

#import libraries
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn import preprocessing

#read data into pandas dataframe
df = pd.read_csv("data.csv")

#handle missing values
df = df.dropna(axis = 0, how = 'any')

#handle string-type data
le = preprocessing.LabelEncoder()
le.fit(['Male','Female'])
df.loc[:,'Sex'] = le.transform(df['Sex'])

#split into train and test data
df['is_train'] = np.random.uniform(0, 1, len(df)) <= 0.8
train, test = df[df['is_train'] == True], df[df['is_train'] == False]

#make an array of columns
features = df.columns[:10]

#build the classifier
clf = RandomForestClassifier()

#train the classifier
y = train['Selector']
clf.fit(train[features], train['Selector'])

#test the classifier
clf.predict(test[features])

#calculate accuracy
accuracy_score(test['Selector'], clf.predict(test[features]))
accuracy_score(train['Selector'], clf.predict(train[features]))