機械学習の評価指標・統計・検定・ディープラーニングのメモリ計算・生成AIの運用コスト・ビジネス指標まで、108種類の計算ツールを無料で使えます。数値を入れるだけでその場で計算し、途中式と結果の読み方も表示します。登録不要で、計算はすべてブラウザ内で行うため入力データが送信されることはありません。
108個のツール
よく使われている計算ツール
回帰の評価指標RMSE・MAE・R²実測値と予測値からRMSE・MAE・MSE・R²・MAPEを一度に計算。計算する →分類・ランキングの評価指標F1スコア・適合率・再現率混同行列から正解率・適合率・再現率・F1・MCCなど10指標を計算。計算する →分類・ランキングの評価指標ROC曲線・AUCラベルとスコアからROC曲線を描き、AUCと最適しきい値を計算。計算する →統計・確率標準偏差・分散平均・分散・母標準偏差・標本標準偏差・偏差値をまとめて計算。計算する →生成AI・LLMの運用LLM API料金(円換算)Claude・GPT・Geminiの月額API料金を使い方に合わせて円で比較。計算する →検定・A/BテストA/Bテストの有意差A案とB案の訪問数とコンバージョン数から、コンバージョン率の差が統計的に有意かをz検定で判定します。計算する →統計・確率パーセンタイル・四分位数数値の列と p(%) を入力すると、線形補間(Excel の PERCENTILE.INC と同じ)でパーセンタイルと四分位数を計算します。計算する →検定・A/BテストA/Bテストのサンプルサイズ現在のCVRと検出したい改善幅、有意水準、検出力から、A/Bテストで1群あたりに必要なサンプルサイズを計算します。計算する →検定・A/Bテストt検定(Welch)2つのグループのデータを貼り付けると、Welchのt検定でt値・自由度・p値・平均の差の信頼区間を計算します。計算する →ディープラーニングLLMの必要VRAMパラメータ数と量子化ビット数・オーバーヘッド率から、LLMを推論で動かすのに必要なGPUメモリ(VRAM)を概算します。計算する →ビジネス・投資NPV(正味現在価値)初期投資・割引率・各年のキャッシュフローから、NPV(正味現在価値)と各年の現在価値を一覧で計算します。計算する →
回帰の評価指標の計算ツール
回帰の評価指標RMSE・MAE・R²実測値と予測値からRMSE・MAE・MSE・R²・MAPEを一度に計算。計算する →回帰の評価指標MAE(平均絶対誤差)実測値と予測値を貼り付けるだけで、MAE(平均絶対誤差)と各データの誤差を計算します。計算する →回帰の評価指標MSE(平均二乗誤差)実測値と予測値の列を貼り付けるだけで、MSE(平均二乗誤差)と各データの二乗誤差を一覧で計算します。計算する →回帰の評価指標MAPE(平均絶対%誤差)実測値と予測値から、予測が平均で何%ずれているかを表すMAPEを計算します。実測値0の行は自動で除外します。計算する →回帰の評価指標sMAPE(対称MAPE)実測値と予測値から sMAPE を計算します。分母は (|実測値|+|予測値|)/2 の定義で、0〜200%の範囲になります。計算する →回帰の評価指標RMSLE実測値と予測値から、log(1+x) をとった誤差の二乗平均平方根であるRMSLEを計算します。比率のずれを重視する指標です。計算する →回帰の評価指標WAPE(加重絶対%誤差)実測値と予測値から、誤差の絶対値の合計を実測値の絶対値の合計で割るWAPEを計算します。需要予測でよく使われます。計算する →回帰の評価指標調整済みR²決定係数R²、サンプル数n、説明変数の数pから、自由度調整済み決定係数を計算し、R²との差も表示します。計算する →回帰の評価指標Huber損失実測値・予測値の列としきい値δから、外れ値に強いHuber損失の平均を計算し、MSE・MAEと並べて比較します。計算する →回帰の評価指標Pinball損失(分位点)分位点τを指定して、実測値と予測値からPinball損失(分位点損失)の平均を計算します。分位点回帰の評価に使えます。計算する →
分類・ランキングの評価指標の計算ツール
分類・ランキングの評価指標F1スコア・適合率・再現率混同行列から正解率・適合率・再現率・F1・MCCなど10指標を計算。計算する →分類・ランキングの評価指標ROC曲線・AUCラベルとスコアからROC曲線を描き、AUCと最適しきい値を計算。計算する →分類・ランキングの評価指標コーエンのκ係数2人の評価者の判定を2×2の一致表で入力すると、偶然の一致を差し引いたコーエンのκ係数と一致率を計算します。計算する →分類・ランキングの評価指標Log Loss(交差エントロピー)正解ラベル(1/0)と予測確率の列から、二値分類のLog Loss(交差エントロピー)を計算し、各行の損失も表示します。計算する →分類・ランキングの評価指標Brierスコア正解ラベル(1/0)と予測確率の列から、確率予測の正確さを表すBrierスコアと、基準予測との比較(スキルスコア)を計算します。計算する →分類・ランキングの評価指標多クラスF1(マクロ/マイクロ)多クラスの混同行列を貼り付けると、クラスごとの適合率・再現率・F1と、マクロF1・マイクロF1・重み付きF1・正解率を計算します。計算する →分類・ランキングの評価指標陽性的中率・陰性的中率感度・特異度・有病率から、陽性と判定された人が本当に陽性である確率(PPV)と陰性的中率(NPV)をベイズの定理で計算します。計算する →分類・ランキングの評価指標陽性尤度比・陰性尤度比感度・特異度から陽性尤度比と陰性尤度比を計算し、事前確率を入れると検査後の確率(事後確率)も求めます。計算する →分類・ランキングの評価指標Precision@k・Recall@k推薦・検索結果の上位から並べた「関連あり(1)/なし(0)」と全関連件数から、Precision@kとRecall@kを計算します。計算する →分類・ランキングの評価指標nDCG(ランキング評価)検索・推薦結果の上位から並べた関連度とkから、DCG・IDCG・nDCG@kを計算します。ゲインは 2^rel−1 と rel を選べます。計算する →分類・ランキングの評価指標MRR(平均逆順位)複数のクエリについて「最初の正解が何位に出たか」を入力すると、逆数の平均であるMRR(Mean Reciprocal Rank)を計算します。計算する →分類・ランキングの評価指標MAP・Average Precision1クエリの関連あり(1)/なし(0)の列からAverage Precisionを、複数クエリのAPの列からMAPを計算します。モードは切り替えられます。計算する →分類・ランキングの評価指標IoU(バウンディングボックス)2つのバウンディングボックスの左上・右下の座標から、IoU(重なり面積÷和集合面積)を計算します。物体検出の評価に使えます。計算する →分類・ランキングの評価指標Dice係数・IoU(Jaccard)TP・FP・FN(ピクセル数など)から、セグメンテーションの評価に使うDice係数とIoU(Jaccard係数)を同時に計算します。計算する →
統計・確率の計算ツール
統計・確率標準偏差・分散平均・分散・母標準偏差・標本標準偏差・偏差値をまとめて計算。計算する →統計・確率基本統計量(平均・中央値)数値の列を貼り付けるだけで、件数・合計・平均・中央値・最頻値・最小値・最大値・範囲をまとめて計算します。計算する →統計・確率加重平均(重み付き平均)値の列と重みの列を入力すると、加重平均(重み付き平均)と単純平均との違いを計算します。計算する →統計・確率幾何平均(平均成長率)正の数の列から幾何平均(相乗平均)を、成長率(%)の列からは複利で考えた平均成長率を計算します。計算する →統計・確率調和平均正の数の列から調和平均を計算し、算術平均・幾何平均と並べて比較します。平均速度などに使えます。計算する →統計・確率移動平均(SMA)時系列の数値と期間 n を入力すると、後方の単純移動平均(SMA)の列を表で計算します。計算する →統計・確率指数移動平均(EMA)時系列の数値と期間 n(α=2/(n+1))または平滑化係数 α から、指数移動平均(EMA)の列を計算します。計算する →統計・確率パーセンタイル・四分位数数値の列と p(%) を入力すると、線形補間(Excel の PERCENTILE.INC と同じ)でパーセンタイルと四分位数を計算します。計算する →統計・確率外れ値判定(IQR法)数値の列から Q1・Q3・四分位範囲(IQR)を求め、1.5×IQR の基準で外れ値を自動で一覧にします。計算する →統計・確率z値・偏差値値・平均・標準偏差から z値(標準得点)と偏差値を計算し、正規分布を仮定した下側確率(上位何%か)も表示します。計算する →統計・確率標準誤差(SE)数値の列から平均の標準誤差 SE = s/√n(s は不偏標準偏差)を計算し、標準偏差との違いもわかります。計算する →統計・確率平均の信頼区間数値の列と信頼水準(90/95/99%)から、t分布を使って母平均の信頼区間を計算します。計算する →統計・確率比率の信頼区間成功数と試行数から比率の信頼区間を、Wald法とWilson法の両方で計算します。アンケートやCVRの誤差の確認に。計算する →統計・確率相関係数(ピアソン)x列とy列を貼り付けると、ピアソンの相関係数 r、決定係数 r²、無相関検定の t値と p値を計算します。計算する →統計・確率スピアマンの順位相関x列とy列を順位に変換してスピアマンの順位相関係数 ρ を計算します。同順位は平均順位で処理します。計算する →統計・確率単回帰(回帰式・R²)x列とy列から最小二乗法で回帰直線 y = a + bx の傾き・切片・決定係数 R² を求め、任意の x での予測値も計算します。計算する →統計・確率歪度・尖度数値の列から標本の補正済み歪度と尖度(Excel の SKEW・KURT と同じ定義)を計算し、分布の偏りととがり具合を調べます。計算する →統計・確率正規分布の確率平均と標準偏差を指定した正規分布で、x 以下・x 以上の確率や、a〜b の区間に入る確率を計算します。計算する →統計・確率二項分布の確率試行回数 n・成功確率 p・成功回数 k から、ちょうど k 回・k 回以下・k 回以上になる確率と平均・分散を計算します。計算する →統計・確率ポアソン分布の確率平均発生回数 λ と回数 k から、ポアソン分布でちょうど k 回・k 回以下・k 回以上起こる確率を計算します。計算する →統計・確率ベイズの定理(事後確率)事前確率 P(A) と条件付き確率 P(B|A)・P(B|¬A) から、ベイズの定理で事後確率 P(A|B) を1万件あたりの内訳つきで計算します。計算する →統計・確率期待値・分散値の列と確率の列(小数でも%でも可)から、期待値・分散・標準偏差を計算します。確率の合計が1かも自動で確認します。計算する →統計・確率順列・組合せn と r を入力すると、順列 nPr、組合せ nCr、重複組合せ nHr をまとめて計算します。大きな数は指数表記で表示します。計算する →統計・確率正規化・標準化数値の列を Min-Max 正規化(0〜1)と標準化(z-score)に変換し、結果を表で一覧にします。機械学習の前処理の確認に。計算する →
検定・A/Bテストの計算ツール
検定・A/BテストA/Bテストの有意差A案とB案の訪問数とコンバージョン数から、コンバージョン率の差が統計的に有意かをz検定で判定します。計算する →検定・A/BテストA/Bテストのサンプルサイズ現在のCVRと検出したい改善幅、有意水準、検出力から、A/Bテストで1群あたりに必要なサンプルサイズを計算します。計算する →検定・A/Bテスト平均比較のサンプルサイズ標準偏差・検出したい差・有意水準・検出力から、2群の平均を比べるのに必要な1群あたりのサンプルサイズを計算します。計算する →検定・A/Bテストt検定(Welch)2つのグループのデータを貼り付けると、Welchのt検定でt値・自由度・p値・平均の差の信頼区間を計算します。計算する →検定・A/Bテスト対応のあるt検定同じ対象の前後など対応のある2列のデータから、差の平均・t値・自由度・両側p値・信頼区間を計算します。計算する →検定・A/Bテストカイ二乗検定(独立性)分割表(クロス集計表)を貼り付けると、独立性のカイ二乗検定でχ²値・自由度・p値・期待度数を計算します。計算する →検定・A/Bテストp値(z・t・χ²)検定統計量(z値・t値・χ²値)と自由度を入れると、片側・両側のp値を計算します。統計表を引く代わりに使えます。計算する →
機械学習の数式の計算ツール
機械学習の数式シグモイド関数xを入れるとシグモイド関数σ(x)とその微分σ(x)(1−σ(x))を計算します。確率からx(ロジット)を逆算することもできます。計算する →機械学習の数式ソフトマックス関数ロジット(スコア)の列と温度Tから、ソフトマックス関数で各クラスの確率を計算します。数値安定化の手順も表示します。計算する →機械学習の数式交差エントロピー正解の確率分布(one-hotでも可)と予測分布から交差エントロピーを計算します。エントロピーとKLダイバージェンスも表示します。計算する →機械学習の数式情報エントロピー確率の列または度数の列から、情報エントロピー(bit と nat)と、最大エントロピーに対する比率を計算します。計算する →機械学習の数式KLダイバージェンス2つの確率分布P・Qから、KL(P‖Q)・KL(Q‖P)・JSダイバージェンスを計算し、非対称性を確かめられます。計算する →機械学習の数式ジニ不純度・情報利得親ノードと分割後の子ノードのクラス件数から、ジニ不純度・エントロピー・情報利得・ジニ減少量を計算します。計算する →機械学習の数式コサイン類似度2つのベクトルを入力すると、コサイン類似度・内積・それぞれのノルム・なす角を計算します。埋め込みの比較に使えます。計算する →機械学習の数式ベクトル間の距離2つのベクトルから、ユークリッド距離・マンハッタン距離・チェビシェフ距離・ミンコフスキー距離をまとめて計算します。計算する →機械学習の数式Jaccard係数・Dice係数2つの集合(キーワードやタグの一覧)から、Jaccard係数・Dice係数・Simpson係数と共通要素を計算します。計算する →機械学習の数式編集距離(レーベンシュタイン)2つの文字列のレーベンシュタイン距離(編集距離)と類似度を計算し、必要な挿入・削除・置換の回数を表示します。計算する →機械学習の数式TF-IDF複数の文書と対象語から、文書ごとのTF・IDF・TF-IDFを表で計算します。IDFは通常版とsmooth版を選べます。計算する →機械学習の数式学習率スケジュール初期学習率と総ステップ数、方式(Step decay・Exponential・Cosine・Warmup+Cosine)から、各ステップの学習率を表にします。計算する →機械学習の数式データ分割とステップ数データ件数と分割比率、バッチサイズ、エポック数から、訓練・検証・テストの件数と1エポックのステップ数、総ステップ数を計算します。計算する →機械学習の数式クラス重み(不均衡データ)各クラスの件数から、scikit-learn の class_weight="balanced"(n/(k×n_c))と逆頻度の重みを計算します。計算する →機械学習の数式勾配降下法(1変数)f(x)=a(x−b)²を学習率ηで勾配降下したときの各ステップのxと損失を表にし、収束・振動・発散を判定します。計算する →
ディープラーニングの計算ツール
ディープラーニング全結合層のパラメータ数全結合層(Dense / Linear)の入力次元・出力次元・層数から、パラメータ数とFP32/FP16/INT8でのメモリ量を計算します。計算する →ディープラーニング畳み込みの出力サイズ入力サイズ・カーネル・ストライド・パディング・ダイレーションから、畳み込みやプーリングの出力サイズと same に必要なパディングを計算します。計算する →ディープラーニング畳み込み層のパラメータ数入力チャネル・出力チャネル・カーネルサイズ・グループ数から、畳み込み層のパラメータ数と積和演算数(MACs)を計算します。計算する →ディープラーニングTransformerのパラメータ数層数・d_model・FFNの大きさ・語彙数から、Transformer(デコーダ型)のおおよそのパラメータ数を式つきで計算します。計算する →ディープラーニングKVキャッシュのメモリ層数・KVヘッド数・ヘッド次元・系列長・バッチサイズ・精度から、LLM推論時のKVキャッシュのメモリ量を計算します。計算する →ディープラーニングLLMの必要VRAMパラメータ数と量子化ビット数・オーバーヘッド率から、LLMを推論で動かすのに必要なGPUメモリ(VRAM)を概算します。計算する →ディープラーニング学習時のメモリパラメータ数・精度・オプティマイザから、モデルの学習に必要なGPUメモリ(重み・勾配・オプティマイザ状態)を概算します。計算する →ディープラーニング学習計算量 6NDパラメータ数Nと学習トークン数Dから、学習の計算量(約6ND)と推論の計算量、チンチラ則の目安トークン数を計算します。計算する →ディープラーニング学習時間とGPU費用総計算量(FLOPs)・GPU性能・枚数・実効利用率(MFU)から、モデルの学習にかかる時間と費用を概算します。計算する →
生成AI・LLMの運用の計算ツール
生成AI・LLMの運用LLM API料金(円換算)Claude・GPT・Geminiの月額API料金を使い方に合わせて円で比較。計算する →生成AI・LLMの運用トークン数の概算テキストを貼り付けると、文字数・単語数と、指定した換算率から日本語・英語それぞれのおおよそのトークン数を計算します。計算する →生成AI・LLMの運用コンテキスト長の文字数換算コンテキスト長(トークン)と換算率から、LLMに一度に入力できるおおよその文字数とページ数を計算します。計算する →生成AI・LLMの運用プロンプトキャッシュの節約額入力単価・キャッシュの割引率と書き込み割増・共通部分の長さ・リクエスト数から、プロンプトキャッシュを使う場合と使わない場合の入力コストを比べます。計算する →生成AI・LLMの運用バッチAPIの節約額入力・出力の単価とバッチ割引率・リクエスト数・トークン数から、通常のAPIとバッチAPIの月額料金を比べます。計算する →生成AI・LLMの運用RAGのチャンク数文書の総文字数・チャンクサイズ・オーバーラップ・上位k件から、チャンク数と埋め込み対象のトークン数、プロンプトに入るトークン数を計算します。計算する →生成AI・LLMの運用ベクトルDBの容量ベクトル数・次元数・精度・メタデータ容量・インデックスのオーバーヘッドから、ベクトルデータベースに必要なストレージ容量を計算します。計算する →生成AI・LLMの運用LLMの応答時間入力・出力トークン数とプリフィル速度・生成速度・初回遅延から、最初の文字が出るまでの時間(TTFT)と応答全体の時間を計算します。計算する →生成AI・LLMの運用クラウドGPUの費用GPUの時間単価・枚数・1日の稼働時間・日数・スポット割引率から、クラウドGPUの費用をドルと円で計算します。計算する →生成AI・LLMの運用APIレート制限の計算RPM・TPMの上限と1リクエストあたりのトークン数から、実際に処理できる件数とどちらの制限で頭打ちになるか、目標件数にかかる時間を計算します。計算する →
ビジネス・投資の計算ツール
ビジネス・投資投資回収期間(PBP)回収期間・NPV・IRR・ROIをキャッシュフローから一括計算。計算する →ビジネス・投資NPV(正味現在価値)初期投資・割引率・各年のキャッシュフローから、NPV(正味現在価値)と各年の現在価値を一覧で計算します。計算する →ビジネス・投資IRR(内部収益率)初期投資と各年のキャッシュフローから、NPVがゼロになる割引率=IRR(内部収益率)を二分法で求めます。計算する →ビジネス・投資ROI(投資利益率)投資額と得られた利益(または売上と費用)から ROI(投資利益率)を計算し、期間に応じた年率換算も表示します。計算する →ビジネス・投資損益分岐点固定費・販売単価・変動費単価から損益分岐点の販売数と売上高、目標利益に必要な販売数、安全余裕率を計算します。計算する →ビジネス・投資CAGR(年平均成長率)開始値・終了値・年数から CAGR(年平均成長率)を計算します。CAGRを入れて将来の値を求めることもできます。計算する →ビジネス・投資AI導入の費用対効果対象業務の時間・削減率・時給・導入費・月額費用から、AI導入による月間削減額・回収月数・1年/3年の正味効果を試算します。計算する →ビジネス・投資LTV(顧客生涯価値)平均購買単価・年間購買回数・粗利率・継続年数(または年間解約率)から、1人の顧客がもたらす LTV(顧客生涯価値)を計算します。計算する →ビジネス・投資LTV/CAC比・CAC回収LTV(または月間粗利と解約率から計算)と CAC から、LTV/CAC比と CAC回収期間(月)を計算し、ユニットエコノミクスを確認します。計算する →ビジネス・投資複利計算(積立対応)元本・年利・年数・複利の回数・毎月の積立額から将来価値を計算し、元本と利息の内訳を年ごとの表で表示します。計算する →ビジネス・投資解約率・継続率期首・期末の顧客数と新規獲得数から解約率と継続率を計算し、月次⇔年次の換算と平均継続期間も表示します。計算する →ビジネス・投資ファネル分析(CVR)各段階の人数を上から順に入れるだけで、段階ごとの遷移率・累積コンバージョン率・離脱数を表にし、ボトルネックを見つけます。計算する →
データ・単位変換の計算ツール
データ・単位変換データ容量の単位変換B・KB・MB・GB・TB・PB を、10進(1000倍)と2進(1024倍:KiB・MiB・GiB…)の両方でまとめて換算します。計算する →データ・単位変換進数変換(2・8・10・16進)整数を2進数・8進数・10進数・16進数に相互変換します。BigIntを使うので、桁数の大きな数も正確に変換できます。計算する →データ・単位変換FLOPSの単位変換計算性能 FLOPS を K・M・G・T・P・E の各単位に換算し、稼働日数から総演算量(FLOP)と PFLOP/s-day も表示します。計算する →データ・単位変換数値形式とモデルのメモリFP32・FP16・BF16・FP8・INT8・INT4 のビット構成・最大値・最小正規数・有効桁数を比較し、パラメータ数からモデルの重みのメモリ量を計算します。計算する →データ・単位変換ダウンロード・転送時間データ量と回線速度(Mbps・Gbps)、実効率から、ダウンロードやアップロード、サーバー間転送にかかる時間を計算します。計算する →データ・単位変換増減率・%ポイント変化前と変化後の値から増減率を計算します。比率同士なら%ポイント差も表示し、増減率から変化後の値を逆算することもできます。計算する →データ・単位変換Unixタイム変換Unixタイム(秒・ミリ秒を自動判定)を日本時間(JST)と UTC の日時に変換します。日時から Unixタイムへの逆変換もできます。計算する →
該当するツールが見つかりませんでした。別のキーワードでお試しください。
用語を体系的に学ぶ
計算ツールで使う指標や用語は、次のまとめページで体系的に確認できます。
