---
title: "データパイプラインの作成"
url: https://docs.catalyst.zoho.com/ja/tutorials/churn-for-bank-customers/create-data-pipeline/
service: All Services
type: tutorial
related_links:
  - name: "データクリーニング"
    url: /ja/quickml/help/data-preprocessing/data-cleaning
  - name: "データ変換"
    url: /ja/quickml/help/data-preprocessing/data-transformation
  - name: "データプロファイラーとビューアー"
    url: /ja/quickml/help/data-profiler-and-viewer/
---


# データパイプラインの作成

データセットのアップロードが完了したので、次にそのデータセットを使用してデータパイプラインを作成します。

1. 左メニューの**Datasets**コンポーネントに移動します。データパイプラインを作成する方法は2つあります。
    - データセットをクリックし、ページ右上のCreate Pipelineをクリックします。
    <br />
    - 下の画像に示すように、データセット名の左側にあるペンアイコンをクリックします。
    <br />
    ここでは、前処理用に**Bank_Customers_Sample_Data**データセットをアップロードしています。

2. パイプラインに「**Churn_Prediction_Data_Pipeline**」と名前を付け、Create Pipelineをクリックします。
<br />

下のスクリーンショットに示すように、パイプラインビルダーインターフェースが開きます。
<br />

データセットのクリーニング、精製、変換を行い、データパイプラインを実行するために、以下の一連のデータ前処理操作を実行します。これらの各操作は、パイプラインの構築に使用される個別のデータノードで構成されています。

### QuickMLによるデータ前処理
1. #### 列の選択/削除
    データセットから列を選択または削除することは、データ分析や機械学習における一般的なデータ前処理ステップです。列の選択や削除は、分析やモデリングタスクの目的と要件に応じて決定します。
    このデータセットでモデルのトレーニングに不要な列は、「**RowNumber**」、「**CustomerId**」、「**Surname**」です。QuickMLでは、**Data Cleaning**コンポーネントの**Select/Drop** [ノード](/ja/quickml/help/data-preprocessing/data-cleaning/#select-or-drop)を使用して、モデルトレーニングに必要なフィールドをデータセットからすばやく選択できます。
    <br />

2. #### データセットの列への値の補填
   **Data Cleaning**のFill Columns [ノード](/ja/quickml/help/data-preprocessing/data-cleaning/#fill-columns)を使用すると、特定の条件に基づいて列の値を簡単に補填できます。要件に応じて、null値または非null値を補填できます。「**EstimatedSalary**」と「**Balance**」の列については、空の値をカスタム値「**0**」で置き換えます。
   <br />

3. #### データのフィルタリング
    データセットのフィルタリングとは、特定の条件を満たす行のサブセットをDataFrameから選択することを意味します。ここでは、**Data Cleaning**セッションのFilterノードを使用して、「**CreditScore**」、「**Geography**」、「**Gender**」、「**Age**」、「**Tenure**」、「**Exited**」のすべての列で空でない値を持つデータをフィルタリングします。Data CleaningセッションのFilter [ノード](/ja/quickml/help/data-preprocessing/data-cleaning/#filter)を使用します。
    <br />

4. #### 保存と実行
    すべてのノードが接続されたら、Saveボタンをクリックしてパイプラインを保存します。次に、Executeボタンをクリックしてパイプラインを実行します。
    <br />

下記のページにリダイレクトされ、実行ステータスとともに実行済みのパイプラインが表示されます。パイプラインの実行が成功したことを確認できます。

<br />

Execution Statsをクリックすると、下記のようにコンピューティング使用量に関する詳細情報を確認できます。

<br />

このパートでは、QuickMLを使用したデータ処理の方法を確認しました。機械学習モデルの作成に向けてデータを準備するためのさまざまな効果的な方法を紹介しました。このデータパイプラインは、Catalystプロジェクト内のさまざまなユースケースに対して、複数のML実験を作成するために再利用できます。