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、权值、计算得分

首先，我们需要对数据进行正向指标处理和负向指标处理。

对于第一列和第三列的正向指标处理，我们可以直接使用原始数据。

对于第二列的负向指标处理，我们可以使用最大值减去每个数据值，得到负向指标值。

接下来，我们需要对数据进行归一化处理，将数据转化为0到1之间的区间型指标。

对于第一列和第三列的数据，我们可以使用最小-最大归一化方法，将数据映射到0到1之间。

对于第二列的负向指标数据，我们可以使用最大-最小归一化方法，将数据映射到0到1之间。

根据熵权法的计算公式，我们可以分别计算出每个指标的权重值、权值和得分。

在MATLAB中，可以使用以下代码实现熵权法的计算：

% 原始数据
data = [睡眠时间, 睡醒次数, 入睡方式];

% 正向指标处理
positive_data = data(:, [1, 3]);

% 负向指标处理
negative_data = max(data(:, 2)) - data(:, 2);

% 归一化处理
normalized_positive_data = (positive_data - min(positive_data)) ./ (max(positive_data) - min(positive_data));
normalized_negative_data = (negative_data - min(negative_data)) ./ (max(negative_data) - min(negative_data));

% 计算权重值
weight = entropy_weight([normalized_positive_data, normalized_negative_data]);

% 计算权值
weighted_data = weight .* [normalized_positive_data, normalized_negative_data];

% 计算得分
score = sum(weighted_data, 2);

其中，entropy_weight是一个自定义的函数，用于计算熵权法中的权重值。你可以根据熵权法的计算公式自己实现这个函数，或者使用MATLAB中的一些熵权法计算函数（如entropyweight函数）。

最后，score即为计算得到的得分，weight为权重值