Proponemos un nuevo algoritmo de clasificación por ensamblaje, llamado (Super RaSE), para abordar el problema de clasificación escasa. El algoritmo propuesto está motivado por el algoritmo de ensamblaje de subespacios aleatorios (RaSE). Se ha demostrado que el método RaSE es un marco flexible que se puede acoplar con cualquier clasificador base existente. Sin embargo, el éxito de RaSE depende en gran medida de la elección adecuada del clasificador base, que desafortunadamente es desconocida para nosotros. En este trabajo, mostramos que Super RaSE evita la necesidad de elegir un clasificador base al muestrear aleatoriamente una colección de clasificadores junto con el subespacio. Como resultado, Super RaSE es más flexible y robusto que RaSE. Además de la versión básica de Super RaSE, también desarrollamos el Super RaSE iterativo, que cambia de manera adaptativa la distribución del clasificador base así como la distribución del subespacio. Mostramos que el algoritmo Super RaSE y su versión iterativa tienen un rendimiento competitivo para una amplia gama de conjuntos de datos simulados y dos ejemplos de datos reales. El nuevo algoritmo Super RaSE y su versión iterativa están implementados en una nueva versión del paquete R RaSEn.