Как построить границу решения, которая совпадает с границей решения plt.contourf?

Question

С эта ссылка:

Как показано в функции plot_decision_regions, области принятия решений можно визуализировать с помощью плотной выборки через сетку.Однако, если разрешение сетки недостаточно, как искусственно установлено ниже, граница будет выглядеть неточной.

Реализуйте функцию plot_decision_boundary ниже для аналитического вычисления и построения границы решения.

Следовательно,Я хотел бы спросить, как я могу изменить функцию plot_decision_boundary для отображения линии, которая совпадает с границей принятия решения plt.contourf().(как зеленая линия)

from matplotlib.colors import ListedColormap

def plot_decision_regions(X, y, classifier, resolution=0.01):
    markers = ('s', 'x', 'o', '^', 'v')
    colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')
    cmap = ListedColormap(colors[:len(np.unique(y))])
    x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),
                           np.arange(x2_min, x2_max, resolution))
    Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)
    Z = Z.reshape(xx1.shape)
    plt.contourf(xx1, xx2, Z, alpha=0.3, cmap=cmap)
    plt.xlim(xx1.min(), xx1.max())
    plt.ylim(xx2.min(), xx2.max())
    for idx, cl in enumerate(np.unique(y)):
        plt.scatter(x=X[y == cl, 0], 
                    y=X[y == cl, 1],
                    alpha=0.8, 
                    c=colors[idx],
                    marker=markers[idx], 
                    label=cl, 
                    edgecolor='black')

def plot_decision_boundary(X, y, classifier):       
    # replace the two lines below with your code
    x1_interval = [X[:, 0].min() - 1, X[:, 0].max() + 1]
    x2_interval = [X[:, 1].min() - 1, X[:, 1].max() + 1]

    plt.plot(x1_interval, x2_interval, color='green', linewidth=4, label='boundary')

low_res = 0.1 # intentional for this exercise
plot_decision_regions(X, y, classifier=ppn, resolution=low_res)
plot_decision_boundary(X, y, classifier=ppn)
plt.xlabel('sepal length [cm]')
plt.ylabel('petal length [cm]')
plt.legend(loc='upper left')
plt.tight_layout()
plt.show()