--- title: "データパイプラインの作成" url: https://docs.catalyst.zoho.com/ja/tutorials/credit-card-fraud-detection/create-data-pipeline/ description: "クレジットカード不正検出 — Catalyst QuickMLサービスを使用して、クレジットカード取引の不正を検出するための強力なMLパイプラインを作成します。" last_updated: 2026-08-17T12:16:04Z 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、次にデータセットを使用して[データパイプライン](https://docs.catalyst.zoho.com/ja/quickml/help/create-data-pipeline/)を作成します。 1. 左側メニューの**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には2つの方法があります： - 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。 ![create-pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/create-pipeline.webp) - 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。 ![pen-icon](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/pen-icon.webp) 2. パイプライン名を「**Fraud Detection Data Pipeline**」と入力し、`Create Pipeline`をクリックします。 ![Pipeline Name](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/pipeline-name.webp) 以下のスクリーンショットのように、[パイプラインビルダーインターフェース](https://docs.catalyst.zoho.com/ja/quickml/help/pipeline-builder-interface/walkthrough/#pipeline-builder-interface-1)が開きます。 ![Initial Pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/initial-pipeline.webp) 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施します。各操作には、パイプラインを構成するための個別の[データノード](https://docs.catalyst.zoho.com/ja/quickml/help/data-preprocessing/data-cleaning/)が使用されます。 ### QuickMLによるデータ前処理 1. #### カラムの選択/削除 データセットからカラム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のステップです。カラムの選択または削除は、分析やモデリングタスクの具体的な目的と要件に応じて判断します。 このデータセットからモデルトレーニングに不要なカラムは、「**ID**」、「**trans_date_trans_time**」、「**cc_num**」、「**Merchant**」、「**First**」、「**Last**」、「**Street**」、「**City**」、「**Zip**」、「**Lat**」、「**Long**」、「**job**」、「**dob**」、「**Trans_num**」、「**Unix_Time**」、「**merch_lat**」、「**merch_long**」です。QuickMLを使用すると、**Data Cleaning**コンポーネントの**Select/Drop**ノードを使用して、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。 ![required-field-selection](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/required-field-selection.webp) 2. #### 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、特定の基準や条件を満たすDataFrameの行のサブセットを選択することを指します。ここでは、Data Cleaningセッションの[Filter](http://localhost:1313/ja/quickml/help/data-preprocessing/data-cleaning/#filter)ノードを使用して、「**state**」カラムの値が空でないものをフィルタリングします。 ![Data Filter](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/data-filter.webp) 3. #### 保存と実行 次に、`Filter` [ノード](http://localhost:1313/ja/quickml/help/data-preprocessing/data-cleaning/#filter)を`Destination`ノードに接続します。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。 ![Completed data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/completed-data-pipeline.webp) 以下のページにリダイレクトされ、実行ステータス付きの実行済み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が確認できます。 ![Executed data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/executed-pipeline.webp) `Execution Stats`をクリックすると、以下のようにコンピュート使用量の詳細を確認できます。 ![Execution stats for data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/credit-card-fraud-detection/execution-stats.webp) このパートでは、QuickMLを使用したデータ処理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提供しています。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応する複数のML実験の作成に再利用できます。