对于X,Y = make_moons(n_samples=400,shuffle=True,noise=0.1,random_state=136)，使用AGNES聚类算法中cluster = AgglomerativeClustering(n_clusters=2, distance_threshold=None, linkage='single').fit(X)怎么用网格搜索调参最优，写出代码

可以使用sklearn中的GridSearchCV来进行网格搜索调参，以下是示例代码：

from sklearn.datasets import make_moons
from sklearn.cluster import AgglomerativeClustering
from sklearn.model_selection import GridSearchCV

# 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 = {
    'n_clusters': [2, 3, 4, 5],
    'distance_threshold': [None, 0.5, 1.0, 1.5],
    'linkage': ['ward', 'complete', 'average', 'single']
}

# 定义AGNES聚类算法
model = AgglomerativeClustering()

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

# 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，我们首先定义了参数空间，然后使用GridSearchCV来进行网格搜索调参。接着，我们训练模型并输出最优参数。