グリッドサーチで得た最適パラメータを引継ぐ方法は？

現在、サポートベクターマシンで以下のような処理を実施しています。

①グリッドサーチで最適なパラメータを得る
②その得られた最適パラメータを手動で設定する。
③再度、その最適パラメータで学習させる。
④ＴＥＳＴデータの正解率を求める。

上記の②で、手動で設定しているのですが、①で得た最適パラメータを自動で②に引き継いで、③以降の処理を実施にはどうすればよいでしょうか？

お存じの方、ご指導よろしくお願いいたします。

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV
param_grid = {'C': [0.1, 1, 10, 100, 1000],  
              'gamma': [1, 0.1, 0.01, 0.001, 0.0001,0.005], 
              'kernel': ['rbf']}
             #'kernel': ['linear']}
clf = GridSearchCV(SVC(), param_grid, refit = True, verbose = 0, cv=2)

# 訓練データで学習
clf.fit(x_train, y_train)

# 最適パラメータとスコア
print(clf.best_params_) 
print(clf.best_score_)

{'C': 1, 'gamma': 0.0001, 'kernel': 'rbf'}
0.8229166666666666

from sklearn import svm
# 最適パラメータを再設定（手動）←　ここを自動で設定できないでしょうか？
clf = svm.SVC(C=1, gamma=0.0001,kernel='rbf')

# 訓練データとラベルで再度学習
clf.fit(x_train, y_train)

SVC(C=1, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma=0.0001, kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)

from sklearn import metrics
# 最適パラメータでのＴＥＳＴデータの正解率　　
accuracy = clf.score(x_test, y_test)
print(f"正解率⇒　{accuracy}")

正解率⇒　0.7416666666666667