我正在使用LibSVM进行3D医学图像分割。我有15个患者病例的数据集。从每个患者案例中，我随机选择1000个体素作为样本。我对患者病例使用留一法交叉验证，以便进行15次学习测试。
在学习测试的每个过程中，我使用网格搜索方法来找到最佳超参数C和gamma。但是，网格搜索花费了大量的处理时间，因此我无法使用更多样本进行培训测试。
我的问题是我何时应该进行网格搜索以找到最佳超参数？
有些朋友告诉我，在更改功能组合后，我只需要重做网格搜索。但是我对此并不安全。因为即使在15次学习测试中，我也可以获得几对不同的最佳C和gamma，这仅仅是训练样本的1/14部分差异所致。
另一方面，考虑到过度拟合，我想知道是否有必要使用从训练数据集中获得的最佳超参数。我可以使用我在之前和稍微不同的实验中获得的超参数，而不是再次重做耗时的网格搜索吗？