まず、この線形基底関数モデルで用いるガウス基底関数を図示します。
次に、PRML図3.10の右図と同様に、このモデルにおける等価カーネルを図示します。ただし、サンプルは[-1,1]の区間の等間隔の6点から取得します。
さらに、サンプル点xnごとの等価カーネルk(x,xn)の値を図示します。
最後に、サンプル値tn、およびそのサンプルに対応する、等価カーネルとサンプル目標値との積k(x,xn)tnを図示し、それらの和によって線形平滑器による予測が得られていることを示します。

frame()
set.seed(0)
par(mfrow=c(2, 2))
par(mar=c(2, 2, 1, 0.1))
par(mgp=c(1, 0.2, 0))
xrange <- c(-1.0, 1.0)
yrange <- c(-1.5, 1.5)
x1 <- seq(xrange[1], xrange[2], .02)
x2 <- seq(yrange[1], yrange[2], .02)
colors <- rainbow(450)[256:1]
M <- 10
N <- 6

base <- function(m, x) {
#	r <- x^m										#多項式基底の場合
	r <- exp(-(x-(2*(m-1)/(M-2)-1))^2/(2*0.2^2))	#ガウス基底の場合
	r[m == 0]<-1									# w0をバイアス項とするためφ0=1
	r
}
for (m in (1:M)) {
	basem <- function(x) { base(m, x) }
	par(new=(m>1))
	curve(basem, xlim=xrange, ylim=yrange, ylab="phi(x)")
}
title("basis func.")
 
makePhi<-function(M, x) {
	A <- matrix(nrow=length(x), ncol=M)
	for (i in 1:length(x)) {
		for (j in 0:(M-1)) {
			A[i, 1+j] <- base(j, x[i])
		}
	}
	A
}
x <- seq(-1, 1, 2 / (N - 1))
y <- rnorm(length(x), sin(2 * pi * x), 0.2)

alpha <- 0.1
beta <- (1 / 0.2) ^ 2

# prior probability distribution
s0inv <- alpha * diag(1, M)
m0 <- rep(0, M)
cat("s0");print(solve(s0inv))
cat("m0");print(m0)

# derive the posterior
phi <- makePhi(M, x)
sninv <- s0inv + beta * t(phi) %*% phi
sn <- solve(sninv)
mn <- sn %*% (s0inv %*% m0 + beta * t(phi) %*% y)
cat("sn");print(sn)
cat("mn");print(mn)

kernel <- function(x, xd) {
	phix <- t(makePhi(M, x))
	phixd <- t(makePhi(M, xd))
	beta * t(phix) %*% sn %*% phixd
}
image(x1, x2, outer(x1, x2, Vectorize(kernel)), xlim=xrange, ylim=xrange, col=colors, xlab="x", ylab="x'")
title("k(x,x')")

plot(x, y, type="n", xlim=xrange, ylim=yrange)
for (n in 1:N) {
	col = rainbow(N)[n]
	kernelN <- function(xx) {
		kernel(xx, x[n])
	}
	par(new=T)
	curve(kernelN, xlim=xrange, ylim=yrange, xlab="", ylab="", axes=F, col=col)
}
legend("bottomright", legend=paste("x'=", round(x,1)), col=rainbow(N), lty=1, cex=1, y.intersp=1)
title("k(x,x')")

plot(x, y, type="n", xlim=xrange, ylim=yrange)
estimate <- function(xx) {
	kernel(xx, x) %*% y
}
par(new=T)
curve(estimate, xlim=xrange, ylim=yrange, xlab="", ylab="", axes=F, col=gray(0.5))
for (n in 1:N) {
	col = rainbow(N)[n]
	par(new=T)
	plot(x[n], y[n], pch=16, xlim=xrange, ylim=yrange, xlab="", ylab="", axes=F, col=col)
	kernelT <- function(xx) {
		kernel(xx, x[n]) * y[n]
	}
	par(new=T)
	curve(kernelT, xlim=xrange, ylim=yrange, xlab="", ylab="", axes=F, col=col)
}
title("tn, k(x,xn)tn, y(x)")