scikit learn(sklearn)の学習曲線（学習過程？）を表示したいです

前提・実現したいこと

scikit learn(sklearn)で学習している過程を最終的にmatplotlibで表示させたいと考えていますが、まだ未熟なため調べても検証曲線やたくさん出てきてよくわかりません。なので代わりに実装してください。お願いします。
またsklearnのコードが何をしているかあやふやでもし間違っていれば突っ込みを入れてほしいです。
追記
このような質問はこのサービスの上で適していないことをたくさんの方から指摘されました。それは全くのその通りで自分自身反省しております。今回指摘してくださった方をベストアンサーとしてこの投稿はじぶんの戒めのため残しておきます。もし問題がある場合は削除します。ご迷惑をおかけました。

発生している問題

学習曲線（学習過程？）の表示方法がわからない

model.fitの中身の変数が何かわからない

modelfit
1SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
2  decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
3  max_iter=-1, probability=False, random_state=None, shrinking=True,
4  tol=0.001, verbose=False)

該当のソースコード

python
1import numpy as np
2#import matplotlib.pyplot as plt
3import pickle
4
5# ファイルの読み込み
6Saxis_data = []
7training_data_file = open("training_data_2.data", "r")
8for line in training_data_file:
9    line = line.rstrip().split(",")
10    Saxis_data.append([float(line[0]), float(line[1])])
11training_data_file.close()
12# ファイルの読み込み        
13Saxis_target = []
14training_data_file = open("training_data_2.data", "r")
15for line in training_data_file:
16    line = line.rstrip().split(",")
17    Saxis_target.append(int(line[2]))
18training_data_file.close()
19
20
21
22#テンソルに変換？
23X = np.array(Saxis_data)
24Y = np.array(Saxis_target)                  
25#print(X)
26#print(Y)
27
28#使うアルゴリズム宣言
29from sklearn.svm import SVC
30model = SVC(gamma='scale')
31
32#学習用とテスト用に分ける
33from sklearn.model_selection import train_test_split
34X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state=3)
35
36#見てみたらいろいろな変数が入っていた
37model.fit(X_train,Y_train)
38
39#評価
40from sklearn import metrics
41predicted = model.predict(X_test)
42expected = Y_test
43print(metrics.accuracy_score(expected,predicted))
44
45#学習データ保存
46with open('model.pkl', 'wb') as f:
47    pickle.dump(model, f)