이번에는 
값을 크게 하고 결정 경계에 미치는 영향을 관찰해 보겠습니다.
>>> svm = SVC(kernel='rbf', random_state=1, gamma=100.0, C=1.0)
>>> svm.fit(X_train_std, y_train)
>>> plot_decision_regions(X_combined_std,
... y_combined, classifier=svm,
... test_idx=range(105,150))
>>> plt.xlabel('Petal length [standardized]')
>>> plt.ylabel('Petal width [standardized]')
>>> plt.legend(loc='upper left')
>>> plt.tight_layout()
>>> plt.show()
결과 그래프를 보면 비교적 큰 값을 사용했기 때문에 클래스 0과 클래스 1 주위로 결정 경계가 매우 가깝게 나타납니다.
▲ 그림 3-17 큰 γ 값으로 RBF 커널 SVM 모델이 학습한 붓꽃 데이터셋의 결정 경계