---
title: "Subir el conjunto de datos"
url: https://docs.catalyst.zoho.com/es/tutorials/cancer-detection/upload-dataset/
description: "Crea y configura un pipeline de ML que puede usarse para predecir las probabilidades de ser afectado por cáncer de mama con el servicio Catalyst QuickML."
last_updated: 2026-11-04T10:10:44Z
service: All Services
type: tutorial
related_links:
  - name: "Data Connectors"
    url: /es/quickml/help/data-connectors/zoho-apps
---

# Subir Conjunto de Datos

Comencemos subiendo los conjuntos de datos en Catalyst QuickML usando los [conectores](https://docs.catalyst.zoho.com/es/quickml/help/data-connectors/zoho-apps) de conjuntos de datos disponibles:

1. Navega al servicio QuickML en la consola de Catalyst y haz clic en **Start Exploring**.
![select-quickml](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/select-quickml.webp) 

2. Navega al componente **Datasets** y haz clic en **Import Dataset**.
![import-dataset](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/quick-ml-dataset.webp) 

3. Se mostrará una ventana emergente de Import Dataset. En el paso **Data Sources**, navega a **File Upload** y haz clic en **Upload File**.
![upload-file](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/upload-file.webp) 

4. Sube el conjunto de datos **Cancer_detection_A** que ya has descargado y haz clic en **Next**.
![upload-file-screen](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/upload-file-screen.webp) 

5. El nombre del conjunto de datos se completará automáticamente basado en el archivo subido. Puedes editarlo si es necesario, luego haz clic en **Upload**.
![enter-dataset-name](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/enter-dataset-name.webp) 

El conjunto de datos se subirá exitosamente.

![dataset-uploaded](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/dataset-uploaded.webp)

Ahora, puedes proceder a subir el otro conjunto de datos llamado **Cancer_detection_B** repitiendo los pasos mencionados anteriormente.

Dado que los conjuntos de datos utilizados en este tutorial son específicos del dominio de salud y medicina, hemos incluido explicaciones de algunos términos utilizados:

* **Patient_id**: ID del paciente
* **Patient_name**: Nombre del paciente
* **Diagnosis**: (M = Maligno / B = Benigno)

El conjunto de datos también incluye información detallada sobre las características de la masa mamaria, como:

* **radius (distancia media desde el centro hasta los puntos del perímetro)**
* **texture (desviación estándar de los valores de escala de grises)**
* **perimeter**
* **area**
* **smoothness (variación local en las longitudes del radio)**
* **compactness (perimeter^2 / area - 1.0)**
* **concavity (severidad de las porciones cóncavas del contorno)**
* **concave points (número de porciones cóncavas del contorno)**
* **symmetry**
* **fractal dimension (coastline_approximation - 1)**

La media, el error estándar y el peor o mayor valor (media de los tres valores más grandes) de estas características fueron calculados para cada imagen, resultando en 30 características en total incluyendo el radio medio, el SE del radio y el peor radio.