機械学習　話者認識のグラフを描画したい

プログラミングの勉強を始めて3か月の初心者です。現在、Pythonで音声データを学習して話者の性別を認識をするプログラムを作っています。
mfccをsvmにて学習させています。
教師データ、テストデータ、境界線をplotしてグラフで確認する方法を調べているのですが、最適な方法が見つからないため教えて頂きたいです。

import numpy as np
import librosa
import librosa.display
import os
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn import svm
from scipy import fftpack

dir_name = 'wav'

#音声データを読み込む
speakers={'man':0,'woman':1}

#特徴量を返す
def get_feat(file_name):
    a, sr = librosa.load(file_name)
    y=librosa.feature.mfcc(y=a,sr=sr)
    return y

#特徴量と分類のラベル済みのラベルの組みを返す
def get_data(dir_name):
    data_X = []
    data_y = []
    for file_name in sorted(os.listdir(path=dir_name)):
        print("read:{}".format(file_name))
        speaker = file_name[0:file_name.index('_')]
        data_X.append(get_feat(os.path.join(dir_name, file_name)))
        data_y.append((speakers[speaker], file_name))
    #return (np.array(data_X), np.array(data_y))
    return (data_X, data_y)

data_X, data_y = get_data(dir_name)


# 教師データとテストデータに分ける
train_X, test_X, train_y, test_y = train_test_split(data_X, data_y, random_state=11813813)
print("{} -> {}, {}".format(len(data_X), len(train_X), len(test_X)))

# 各時間に対応する成分をそれぞれ1つの特徴量として分割する
def split_feat(data_X, data_y):
    data_X2 = []
    data_y2 = []
    for X, y in zip(data_X, data_y):
        X2 = X.T
        y2 = np.array([y[0]] * X.shape[1])
        data_X2.append(X2)
        data_y2.append(y2)
    data_X2 = np.concatenate(data_X2)
    data_y2 = np.concatenate(data_y2)
    return (data_X2, data_y2)

train_X2, train_y2 = split_feat(train_X, train_y)

#教師用データをプロットする
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
count=0
for label in train_y2:
    freq=0
    if label==0:
        c='blue'
    if label==1:
        c='red'
    plt.plot(train_X2[count], c)
    count+=1
plt.show()
plt.savefig("mfcc.png")

clf = svm.SVC(gamma =0.00000001, C=1000)
clf.fit(train_X2, train_y2)

def predict(X):
    result = clf.predict(X.T)
    return np.argmax(np.bincount(result))

ok_count = 0

for X, y in zip(test_X, test_y):
    actual =predict(X)
    expected = y[0]
    file_name = y[1]
    ok_count += 1 if actual == expected else 0
    result = 'o' if actual == expected else 'x'
    print("{} file: {}, actual: {}, expected: {}".format(result, file_name, actual, expected))

print("{}/{}".format(ok_count, len(test_X)))


### 該当のソースコード

```Python
ソースコード