If no scoring is specified, the estimator passed should have a 'score' method. The estimator DBSCAN() does not.

抱歉，我的回答有误。DBSCAN算法本身是没有score方法的，因此在GridSearchCV中无法使用默认的scoring。如果要使用GridSearchCV调参，需要自定义scoring方法。在聚类算法中，我们可以使用轮廓系数（Silhouette Coefficient）作为评估指标，而轮廓系数可以通过sklearn中的metrics库中的silhouette_score来计算。以下是修改后的示例代码：

from sklearn.datasets import make_moons
from sklearn.cluster import DBSCAN
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import silhouette_score

# 创建数据集
X, y = make_moons(n_samples=400, shuffle=True, noise=0.1, random_state=136)

# 定义参数空间
param_grid = {
    'eps': [0.1, 0.3, 0.5, 0.7, 1.0],
    'min_samples': [2, 3, 4, 5, 6, 7, 8, 9, 10],
    'metric': ['euclidean', 'manhattan', 'chebyshev']
}

# 定义DBSCAN聚类算法
model = DBSCAN()

# 定义自定义评估指标
def my_silhouette_score(estimator, X):
    labels = estimator.fit_predict(X)
    return silhouette_score(X, labels)

# 定义网格搜索模型
grid_search = GridSearchCV(model, param_grid, cv=5, scoring=my_silhouette_score)

# 训练模型
grid_search.fit(X)

# 输出最优参数
print("Best parameters: ", grid_search.best_params_)

在上述代码中，我们添加了一个自定义评估指标my_silhouette_score，并将其作为GridSearchCV的scoring参数传入。该评估指标使用fit_predict方法计算出标签，然后使用silhouette_score计算轮廓系数。