用matlab对3列388行数据进行熵权法计算3列数据分别为整晚睡眠时间时：分：秒睡醒次数入睡方式。其中第一列和第三列做正向指标处理其中第二列做负向指标处理3列数据都是区间型指标给出权重得分、权值、计算得分

首先，我们需要将区间型指标转换为标准化指标。对于第一列和第三列，我们可以使用正向指标处理方法，对于第二列，我们可以使用负向指标处理方法。

接下来，我们可以按照熵权法的步骤进行计算。

步骤1：计算熵值（Entropy）

对于每个指标，计算每个区间的概率（pi），然后计算熵值（Ei）：

Ei = -∑(pi * log2(pi))

步骤2：计算权重（Weight）

对于每个指标，计算权重（Wi）：

Wi = (1 - Ei) / ∑(1 - Ei)

步骤3：计算权值（Weighted Score）

对于每个指标和样本，计算权值（Vi）：

Vi = Wi * Xi

步骤4：计算得分（Score）

对于每个样本，计算得分（Si）：

Si = ∑Vi

下面是一个MATLAB示例代码，可用于计算权重得分、权值和计算得分：

% 原始数据
data = [hours minutes seconds wake_up_times sleep_method];

% 正向指标处理
data(:,1) = max(data(:,1)) - data(:,1); % 第一列为整晚睡眠时间，使用最大值减去原始值
data(:,3) = max(data(:,3)) - data(:,3); % 第三列为入睡方式，使用最大值减去原始值

% 负向指标处理
data(:,2) = max(data(:,2)) - data(:,2); % 第二列为睡醒次数，使用最大值减去原始值

% 正则化
data_normalized = normalize(data, 'range');

% 计算熵值
E = -sum(data_normalized .* log2(data_normalized), 1);

% 计算权重
W = (1 - E) / sum(1 - E);

% 计算权值
V = data_normalized .* W;

% 计算得分
S = sum(V, 2);

% 显示结果
weight_score = [W; sum(W)];
weight_value = [V; sum(V)];
score = [S data];

请注意，这只是一个示例代码，具体的实现可能因数据格式和具体要求而有所不同