CategoricalEncodingSQL/script-final.sql at master · marialuizaleitao/CategoricalEncodingSQL · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
# Categorização e Encoding

SELECT * FROM db.TB_DADOS;
SELECT COUNT(*) FROM db.TB_DADOS;

# Binarização da variável classe (0/1)
SELECT DISTINCT classe FROM db.TB_DADOS;

SELECT
	CASE
		WHEN classe = 'no-recurrence-events' THEN 0
        WHEN classe = 'recurrence-events' THEN 1
	END as classe
FROM db.TB_DADOS;

# Binarização da variável irradiando (0/1)
SELECT DISTINCT irradiando FROM db.TB_DADOS;

SELECT
	CASE
		WHEN irradiando = 'no' THEN 0
        WHEN irradiando = 'yes' THEN 1
	END as irradiando
FROM db.TB_DADOS;

# Label encoding da variável node_caps
SELECT DISTINCT node_caps FROM db.TB_DADOS;

SELECT
	CASE
		WHEN node_caps = 'no' THEN 0
        WHEN node_caps = 'yes' THEN 1
        ELSE 2
	END as node_caps
FROM db.TB_DADOS;

# Categorização da variável seio (E/D)
SELECT DISTINCT seio FROM db.TB_DADOS;

SELECT
	CASE
		WHEN seio = 'left' THEN 'E'
        WHEN seio = 'right' THEN 'D'
	END as seio
FROM db.TB_DADOS;

# Categorização da variável tamanho_tumor (6 Categorias)
SELECT DISTINCT tamanho_tumor FROM db.TB_DADOS;

SELECT
	CASE
		WHEN tamanho_tumor = '0-4' OR tamanho_tumor = '5-9' THEN 'Muito Pequeno'
        WHEN tamanho_tumor = '10-14' OR tamanho_tumor = '15-19' THEN 'Pequeno'
        WHEN tamanho_tumor = '20-24' OR tamanho_tumor = '25-29' THEN 'Medio'
        WHEN tamanho_tumor = '30-34' OR tamanho_tumor = '35-39' THEN 'Grande'
        WHEN tamanho_tumor = '40-44' OR tamanho_tumor = '45-49' THEN 'Muito Grande'
        WHEN tamanho_tumor = '50-54' THEN 'Tratamento Urgente'
	END as tamanho_tumor
FROM db.TB_DADOS;

# Label Encoding da variável quadrante (1,2,3,4,5)
SELECT DISTINCT quadrante FROM db.TB_DADOS;

SELECT
    CASE
        WHEN quadrante = 'left_up' THEN 1
        WHEN quadrante = 'right_up' THEN 2
        WHEN quadrante = 'left_low' THEN 3
        WHEN quadrante = 'right_low' THEN 4
        WHEN quadrante = 'central' THEN 5
        ELSE 0
    END AS quadrante
FROM db.TB_DADOS;

# Query com todas as transformações
SELECT
	CASE
		WHEN classe = 'no-recurrence-events' THEN 0
        WHEN classe = 'recurrence-events' THEN 1
	END as classe,
	idade,
	menopausa,
	CASE
		WHEN tamanho_tumor = '0-4' OR tamanho_tumor = '5-9' THEN 'Muito Pequeno'
        WHEN tamanho_tumor = '10-14' OR tamanho_tumor = '15-19' THEN 'Pequeno'
        WHEN tamanho_tumor = '20-24' OR tamanho_tumor = '25-29' THEN 'Medio'
        WHEN tamanho_tumor = '30-34' OR tamanho_tumor = '35-39' THEN 'Grande'
        WHEN tamanho_tumor = '40-44' OR tamanho_tumor = '45-49' THEN 'Muito Grande'
        WHEN tamanho_tumor = '50-54' THEN 'Tratamento Urgente'
	END as tamanho_tumor,
	inv_nodes,
	CASE
		WHEN node_caps = 'no' THEN 0
        WHEN node_caps = 'yes' THEN 1
        ELSE 2
	END as node_caps,
	deg_malig,
	CASE
		WHEN seio = 'left' THEN 'E'
        WHEN seio = 'right' THEN 'D'
	END as seio,
	CASE
		WHEN quadrante = 'left_up' THEN 1
        WHEN quadrante = 'right_up' THEN 2
        WHEN quadrante = 'left_low' THEN 3
        WHEN quadrante = 'right_low' THEN 4
        WHEN quadrante = 'central' THEN 5
        ELSE 0
	END as quadrante,
	CASE
		WHEN irradiando = 'no' THEN 0
        WHEN irradiando = 'yes' THEN 1
	END as irradiando
FROM db.TB_DADOS;

# Cria uma nova tabela
CREATE TABLE db.TB_DADOS2
AS
SELECT
	CASE
		WHEN classe = 'no-recurrence-events' THEN 0
        WHEN classe = 'recurrence-events' THEN 1
	END as classe,
	idade,
	menopausa,
	CASE
		WHEN tamanho_tumor = '0-4' OR tamanho_tumor = '5-9' THEN 'Muito Pequeno'
        WHEN tamanho_tumor = '10-14' OR tamanho_tumor = '15-19' THEN 'Pequeno'
        WHEN tamanho_tumor = '20-24' OR tamanho_tumor = '25-29' THEN 'Medio'
        WHEN tamanho_tumor = '30-34' OR tamanho_tumor = '35-39' THEN 'Grande'
        WHEN tamanho_tumor = '40-44' OR tamanho_tumor = '45-49' THEN 'Muito Grande'
        WHEN tamanho_tumor = '50-54' THEN 'Tratamento Urgente'
	END as tamanho_tumor,
	inv_nodes,
	CASE
		WHEN node_caps = 'no' THEN 0
        WHEN node_caps = 'yes' THEN 1
        ELSE 2
	END as node_caps,
	deg_malig,
	CASE
		WHEN seio = 'left' THEN 'E'
        WHEN seio = 'right' THEN 'D'
	END as seio,
	CASE
		WHEN quadrante = 'left_up' THEN 1
        WHEN quadrante = 'right_up' THEN 2
        WHEN quadrante = 'left_low' THEN 3
        WHEN quadrante = 'right_low' THEN 4
        WHEN quadrante = 'central' THEN 5
        ELSE 0
	END as quadrante,
	CASE
		WHEN irradiando = 'no' THEN 0
        WHEN irradiando = 'yes' THEN 1
	END as irradiando
FROM db.TB_DADOS;

SELECT COUNT(*) FROM db.TB_DADOS2;