--- title: "データセットのアップロード" url: https://docs.catalyst.zoho.com/ja/tutorials/cancer-detection/upload-dataset/ description: "Catalyst QuickMLサービスを使用して、乳がんの発症リスクを予測するための強力なMLパイプラインを作成・設定します。" last_updated: 2026-08-17T12:16:04Z service: All Services type: tutorial related_links: - name: "Data Connectors" url: /ja/quickml/help/data-connectors/zoho-apps --- # データセットのアップロード 利用可能なデータセット[コネクタ](https://docs.catalyst.zoho.com/ja/quickml/help/data-connectors/zoho-apps)を使用して、Catalyst QuickMLにデータセットをアップロードしましょう。 1. CatalystコンソールでQuickMLサービスに移動し、**Start Exploring**をクリックします。 ![select-quickml](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/select-quickml.webp) 2. **Datasets**コンポーネントに移動し、**Import Dataset**をクリックします。 ![import-dataset](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/quick-ml-dataset.webp) 3. Import Datasetポップアップが表示されます。**Data Sources**ステップで、**File Upload**に移動し、**Upload File**をクリックします。 ![upload-file](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/upload-file.webp) 4. すでにダウンロード済みの**Cancer_detection_A**データセットをアップロードし、**Next**をクリックします。 ![upload-file-screen](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/upload-file-screen.webp) 5. データセット名はアップロードしたファイル名に基づいて自動入力されます。必要に応じて編集し、**Upload**をクリックします。 ![enter-dataset-name](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/enter-dataset-name.webp) データセットが正常にアップロードされます。 ![dataset-uploaded](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/dataset-uploaded.webp) 次に、上記の手順を繰り返して、もう一つのデータセット**Cancer_detection_B**をアップロードしてください。 このチュートリアルで使用するデータセットは医療・ヘルスケア分野に特化しているため、使用される用語の説明を以下に記載します。 * **Patient_id**: 患者のID * **Patient_name**: 患者の氏名 * **Diagnosis**: 診断結果（M = 悪性 / B = 良性） データセットには、乳房腫瘤の特徴に関する詳細情報も含まれています。 * **radius（中心から輪郭上の点までの平均距離）** * **texture（グレースケール値の標準偏差）** * **perimeter（周囲長）** * **area（面積）** * **smoothness（半径長のローカル変動）** * **compactness（perimeter^2 / area - 1.0）** * **concavity（輪郭の凹部の深刻度）** * **concave points（輪郭の凹部の数）** * **symmetry（対称性）** * **fractal dimension（海岸線近似 - 1）** これらの特徴量について、各画像の平均値、標準誤差、および最悪値（上位3つの値の平均）が算出され、mean radius、radius SE、worst radiusを含む合計30の特徴量が生成されています。