Tal y como hemos visto, este kernel calcula el producto escalar de los dos vectores y añade una constante opcional, lo que significa que no transforma el dataset a un espacio de mayor dimensionalidad:
from sklearn.svm import SVC
model = SVC(kernel = "linear")
model.fit(X.values, y)
show_boundaries(model, X.values, None, y, None, labels = iris.species.unique())
model.fit(X.values, y)
show_boundaries(model, X.values, None, y, None, labels = iris.species.unique())
