Para evitar tener que escribir el código que invoca la función plot_decision_boundaries y mostrar por encima un diagrama de dispersión con las muestras, tenemos en la librería boundaries la función show_boundaries que hace esto mismo: ejecuta plot_decision_boundaries y muestra por encima dos diagramas de dispersión: uno con los datos de entrenamiento (mostrando círculos con borde negro) y otro con los datos de validación (mostrando círculos con borde blanco).
Así, por ejemplo, podríamos ejecutarla para mostrar las fronteras de decisión y muestras para el modelo que acabamos de entrenar de la siguiente forma:
show_boundaries(model, X_train_std, X_test_std, y_train, y_test, iris.species.unique())
