Python 中 sklearn.svm 使用过程中，横纵坐标值为什么会影响决策面（边界）？

在学习使用python中的SVM时，等比例扩大横纵坐标值会直接影响分类结果。以这个网页上的代码为例，当数据的横纵坐标值等比例扩大100倍时，数据点的分布并没有变化，然而决策面变了。这是为什么呢？谢谢。