Ahora entrenemos un clasificador de margen blando (con kernel lineal) y un parámetro de regularización bajo:
model = SVC(kernel = "linear", C = 1)
model.fit(X, y)
model.fit(X, y)
Si mostramos la frontera de decisión vemos que una muestra queda clasificada incorrectamente:
show_boundaries(model, X, None, y, None, iris.species.unique())
Si pudiésemos mostrar el margen y los vectores de soporte, veríamos que, para el parámetro de regularización escogido, son los siguientes:
