Si aumentamos el valor del parámetro de regularización:
model = SVC(kernel = "linear", C = 100)
model.fit(X, y)
model.fit(X, y)
podemos comprobar que la frontera de decisión no ha cambiado:
show_boundaries(model, X, None, y, None, iris.species.unique())
Ni tampoco lo ha hecho el margen ni los vectores de soporte:
En un caso como este, resulta prácticamente imposible minimizar el número de muestras mal clasificadas vía parámetro de regularización -al menos con un kernel lineal-.
