在这篇文章中，首先我们会生成电影的数据库，包括评价电影的一些指标。其次，我们会生成一些观看电影的人。利用patternnet训练网络去预测观影人会选择什么样子的电影。

1. 生成电影数据库

在电影数据库中，我们选择了几个方面去评价电影，这个步骤可以称之为特征提取。下表列出了电影的几个特征：

这里面包含了电影名字、电影的题材（动作、喜剧等）、平均的打分（1星-5星）、演出明星的人数、片长以及MPAA的评级（美国电影的一个评价标准）。首先生成Movies.txt的文档，其文档格式如下图所示。

我们需要编写一个MATLAB程序读取Movies.txt文件并生成一个cell数据能够把117个电源文件对应的不同的特征值写入。其MATLAB程序如下：

2. 生成观影人的喜好

生成了电影数据后，我们需要对观影人进行建模。对于一个观影人来说，它选中的电影（观看）的背后特征值是什么（评价的指标）是作为神经网络的训练集。

MATLAB程序如下：

最后得出的结果是

说明一个有4个观影人，在117个影片中，第一个观影人观看25部电影，第二个观看27部，第三观看29部，第四个观看52部。

3. 训练神经网络并进行预测

得到了以上训练数据，利用MATLAB程序对Patternet网络进行训练，其结果如下

测试的精准度如下：