Stride AI - 南関東競馬AI予想 2026-06-03

本日の全レース予想

船橋

名古屋

園田

🏇本日の開催競馬場を選んでください

1R 船橋競馬場ダート1200m　発走 14:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アラビアンパレス	本田重（船橋）	実1.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場19走で勝率26%と適性高／同距離帯18走で勝率28%／直近3走で勝率67%と好調）
前5走 05/06 船橋1R 1着/10頭勝利 03/10 船橋5R 1着/12頭勝利 01/24 船橋4R 2着/12頭+0.2秒 12/20 船橋7R 1着/12頭勝利 11/27 船橋3R 1着/10頭勝利
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 19走で勝率 26% (得意) ◎ 距離適性同距離 18走で勝率 28% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 30.7% (オッズ暗示: 52.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	オーデンルビー	木間龍（船橋）	実60.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/05 船橋2R 6着/12頭+1.1秒 03/31 船橋4R 9着/11頭+1.7秒 03/11 船橋2R 9着/10頭+2.8秒 01/20 船橋3R 12着/12頭+5.9秒 ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	リュウノヒナギク	岡村健（船橋）	実12.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／113日ぶりの実戦）
前5走 02/10 船橋4R 6着/12頭+1.5秒 01/21 船橋2R 7着/12頭+1.4秒 12/11 船橋4R 4着/7頭+0.9秒 ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 113日休養明け △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 7.0% (オッズ暗示: 8.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ララティーナ	菅原吏（船橋）	実5.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.0着と安定／前走2着）
前5走 05/25 浦和1R 2着/11頭 05/05 船橋2R 2着/12頭+0.3秒 02/23 浦和1R 2着/11頭+0.0秒 12/22 浦和2R 1着/12頭勝利 11/03 船橋2R 2着/12頭+0.4秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.0着 (安定) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 14走で勝率 14% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 22.5% (オッズ暗示: 17.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	グランツリッター	山口達（船橋）	実88.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 05/05 船橋2R 11着/12頭+2.8秒 04/09 川崎2R 9着/12頭+1.6秒 03/06 川崎12R 10着/13頭+3.4秒 02/06 川崎6R 8着/12頭+2.4秒 01/03 川崎5R 13着/14頭+3.5秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ミュージシエンヌ	澤田龍（船橋）	実22.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/13 川崎1R 3着/12頭+0.6秒 05/05 船橋2R 5着/12頭+0.7秒 04/20 浦和4R 1着/10頭勝利 03/30 船橋2R 6着/11頭+0.9秒 03/09 船橋3R 2着/10頭+0.5秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 5.1% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	フェアリーランド	矢野貴（大井）	実4.6	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率24%）
前5走 05/06 船橋1R 5着/10頭+0.7秒 04/02 船橋1R 3着/11頭+1.8秒 03/11 船橋2R 8着/10頭+1.3秒 06/27 船橋6R 3着/7頭+0.3秒 05/28 船橋10R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 10走で勝率 10% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 15.5% (オッズ暗示: 21.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	キタノフローラ	中越琉（川崎）	実44.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 05/14 川崎2R 12着/12頭+1.7秒 04/06 川崎1R 8着/11頭+0.6秒 ― ― ―
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 10.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 2.8% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	プリンセスキアラ推奨	山中悠（船橋）	実9.1	▲詳細▼	期待値プラスでAIの推し馬（近5走で勝率20%と堅実／当競馬場で勝率20%と相性良／同距離帯で勝率17%）
前5走 03/31 船橋4R 3着/11頭+0.5秒 03/11 船橋2R 4着/10頭+0.7秒 01/21 船橋2R 9着/12頭+2.4秒 12/10 船橋3R 1着/12頭勝利 09/30 船橋8R 11着/14頭+3.2秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 10走で勝率 20% (相性良) ○ 距離適性同距離 18走で勝率 17% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 10.5% (オッズ暗示: 11.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	エンランブ	仲野光（船橋）	実20.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／前走3着）
前5走 05/05 船橋2R 3着/12頭+0.6秒 01/20 船橋3R 11着/12頭+4.1秒 10/17 川崎6R 4着/12頭+1.1秒 09/30 船橋8R 7着/14頭+2.2秒 09/09 川崎6R 5着/12頭+1.0秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 4.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

AI評価 🌟◎鉄板本命 ◎本命 ○対抗 ▲注目 △押さえ ▽下位 ×推奨外／ 期待値 100円賭けたときの想定利益率／ オッズ 実=リアル取得済推定=推定オッズ

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 9 プリンセスキアラ実9.1倍期待値 +-3% 100円 ❌不的中5着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

2R 船橋競馬場ダート1500m　発走 15:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レオソルジャー	仲野光（船橋）	実4.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／前走2着）
前5走 05/07 船橋2R 2着/12頭+1.6秒 04/03 船橋2R 3着/11頭+0.4秒 03/10 船橋3R 8着/11頭+1.7秒 07/06 船橋3R 3着/9頭+1.6秒 ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 13.9% (オッズ暗示: 22.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	コンシェルディー	川島正（船橋）	実22.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／前走2着）
前5走 05/07 船橋1R 2着/12頭+1.4秒 04/03 船橋2R 4着/11頭+1.0秒 03/10 船橋1R 8着/11頭+1.9秒 02/12 船橋1R 6着/9頭+1.5秒 01/23 船橋4R 4着/11頭+1.1秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 5.2% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ナフセッド	笹川翼（大井）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は6走で勝ち無し／直近3走平均3.0着と安定／前走3着）
前5走 05/06 船橋3R 3着/9頭+1.4秒 03/12 名古屋9R 4着/10頭+0.3秒 02/26 名古屋10R 2着/8頭+0.5秒 02/12 名古屋10R 4着/11頭+0.6秒 01/29 名古屋7R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 3.0着 (安定) ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 36% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 41.6% (オッズ暗示: 62.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	キュレーション	中山遥（浦和）	実5.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走2着）
前5走 05/28 浦和3R 2着/9頭 05/07 船橋1R 3着/12頭+1.4秒 04/01 船橋1R 6着/12頭+0.9秒 12/08 船橋3R 3着/9頭+1.0秒 11/05 船橋3R 6着/10頭+2.8秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 13.2% (オッズ暗示: 17.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	オーデンサフィー	秋元耕（浦和）	実58.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／前走2着）
前5走 05/28 浦和1R 2着/11頭+7.0秒 04/22 浦和3R 8着/10頭+2.2秒 03/19 浦和1R 5着/11頭+1.5秒 03/10 船橋4R 9着/11頭+2.5秒 02/27 浦和3R 7着/12頭+2.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +91% (市場が大幅過小評価) AI 予想勝率 3.3% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ルミナスストーン	和田譲（大井）	実14.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向／前走2着）
前5走 05/08 船橋2R 2着/9頭+0.6秒 04/03 船橋2R 6着/11頭+2.0秒 03/13 船橋1R 3着/8頭+1.5秒 11/06 船橋2R 7着/7頭+4.4秒 ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 10.4% (オッズ暗示: 7.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ヒーサマアムール	濱田達（船橋）	実7.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/06 船橋3R 7着/9頭+2.3秒 04/01 船橋1R 3着/12頭+0.3秒 01/22 船橋3R 4着/13頭+1.2秒 12/08 船橋3R 7着/9頭+3.5秒 08/31 船橋3R 3着/9頭+1.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 12.6% (オッズ暗示: 13.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 6 ルミナスストーン実14.2倍期待値 +36% 100円 ❌不的中6着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 船橋競馬場ダート1500m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ケンシユウキ	山中悠（船橋）	実18.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均2.3着と安定）
前5走 05/05 船橋3R 2着/12頭+0.6秒 04/20 浦和3R 3着/12頭+0.5秒 04/01 船橋3R 2着/10頭+0.5秒 03/10 船橋3R 4着/11頭+0.5秒 02/28 浦和4R 2着/12頭+0.6秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 2.3着 (安定) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 7.8% (オッズ暗示: 5.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	カナールゲイル	町田直（川崎）	実2.1	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率50%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/13 川崎3R 1着/14頭勝利 04/06 川崎5R 2着/10頭+1.2秒 03/03 川崎5R 3着/9頭+3.0秒 02/02 川崎2R 1着/9頭勝利 ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 4走で勝率 50% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 14.7% (オッズ暗示: 47.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	リメンバーウェル	佐野遥（川崎）	実33.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率29%と適性高／同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 05/06 船橋5R 9着/9頭+3.0秒 04/01 船橋3R 1着/10頭勝利 03/09 船橋4R 4着/9頭+1.8秒 02/09 船橋3R 6着/12頭+0.6秒 01/19 船橋3R 10着/13頭+2.0秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 距離適性同距離 7走で勝率 29% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 3.5% (オッズ暗示: 3.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	エゴンウレア	秋元耕（浦和）	実36.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/19 大井10R 10着/13頭+1.9秒 04/02 船橋5R 6着/7頭+2.2秒 ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	リュウノエッセンス	西啓太（大井）	実11.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率67%と好調／前走勝利の勢い／89日ぶりの実戦）
前5走 03/06 川崎4R 1着/9頭勝利 02/23 浦和2R 1着/11頭勝利 02/10 船橋5R 5着/12頭+0.4秒 01/19 船橋2R 3着/12頭+0.8秒 ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +54% (市場が大幅過小評価) AI 予想勝率 13.0% (オッズ暗示: 8.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	クラムスコイ	笹川翼（大井）	実5.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率33%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 05/06 船橋5R 5着/9頭+1.4秒 03/30 船橋3R 1着/11頭勝利 01/20 船橋6R 7着/9頭+4.1秒 12/09 船橋3R 1着/6頭勝利 11/05 船橋3R 4着/10頭+2.2秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 騎手近50戦勝率 38% (好調) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 14.4% (オッズ暗示: 18.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	コールブラック	澤田龍（船橋）	実3.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は3走で勝ち無し／前走2着）
前5走 05/06 船橋5R 2着/9頭+0.2秒 03/13 船橋11R 4着/9頭+1.1秒 02/13 船橋6R 5着/9頭+0.9秒 01/20 船橋6R 3着/9頭+1.6秒 11/06 船橋5R 3着/5頭+0.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 6走で勝率 17% (相性良) ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 38.6% (オッズ暗示: 27.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	クラウニングカップ	野畑凌（川崎）	実8.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場4走で勝率0%と苦戦傾向／前走3着）
前5走 05/06 船橋5R 3着/9頭+0.4秒 04/13 大井7R 10着/11頭+2.8秒 03/30 船橋3R 4着/11頭+0.7秒 12/11 船橋10R 3着/14頭+2.3秒 11/05 船橋11R 4着/9頭+0.5秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 6.0% (オッズ暗示: 12.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 4 エゴンウレア実36.3倍期待値 +243% 100円 ❌不的中6着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 船橋競馬場ダート1200m　発走 16:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	インマイブラッド	伊藤裕（川崎）	実94.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.5着と低調）
前5走 05/12 川崎4R 10着/12頭+1.4秒 04/06 川崎8R 11着/12頭+2.4秒 ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.5着 (不振) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 1.2% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ケイアイワカポノ	野畑凌（川崎）	実21.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／直近3走で勝率33%と好調）
前5走 05/04 船橋4R 3着/11頭+1.2秒 04/03 船橋9R 1着/10頭勝利 03/13 船橋4R 2着/9頭+0.8秒 02/11 船橋4R 1着/12頭勝利 01/20 船橋5R 3着/12頭+0.0秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 5走で勝率 40% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 5.6% (オッズ暗示: 4.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ハヤブサアポチャン	笹川翼（大井）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走2着／79日ぶりの実戦）
前5走 03/16 浦和7R 2着/12頭+1.3秒 03/05 川崎6R 1着/11頭勝利 01/21 船橋3R 4着/12頭+0.8秒 11/17 川崎6R 2着/12頭+0.1秒 10/27 浦和7R 1着/11頭勝利
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 14.5% (オッズ暗示: 27.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ベルヴィヴァン	矢野貴（大井）	実1.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 05/04 船橋4R 1着/11頭勝利 04/02 船橋2R 1着/9頭勝利 03/12 船橋1R 1着/11頭勝利 ― ―
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 48.6% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	シベリアンポラリス	和田譲（大井）	実48.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 05/07 船橋9R 7着/12頭+1.6秒 04/01 船橋5R 8着/12頭+2.0秒 03/11 船橋5R 8着/11頭+2.2秒 11/04 船橋10R 10着/14頭+2.0秒 09/30 船橋5R 5着/8頭+0.6秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 2.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	トクシーオーディン	本田重（船橋）	実14.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走2着）
前5走 05/04 船橋4R 2着/11頭+1.2秒 04/03 船橋5R 1着/12頭勝利 03/10 船橋6R 9着/11頭+2.4秒 02/12 船橋4R 6着/12頭+1.3秒 01/23 船橋8R 2着/12頭+0.2秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 14走で勝率 7% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 7.1% (オッズ暗示: 6.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ウワサノデコピン	高橋哲（浦和）	実79.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%／直近3走平均9.7着と低調／中6日以内の連戦）
前5走 05/29 浦和9R 8着/10頭+4.0秒 05/07 船橋9R 11着/12頭+3.4秒 04/21 浦和8R 10着/13頭+2.4秒 03/18 浦和10R 9着/12頭+1.5秒 02/28 浦和9R 10着/12頭+2.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.7着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 1.3% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	コムダビチュード	仲野光（船橋）	実82.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/06 船橋4R 8着/12頭+1.4秒 04/01 船橋5R 7着/12頭+2.0秒 03/11 船橋5R 10着/11頭+2.3秒 02/28 浦和9R 8着/12頭+2.6秒 02/09 船橋4R 6着/12頭+2.3秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 21走で勝率 10% △ 距離適性同距離 20走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	クイーンマートル	實川純（船橋）	実23.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は4走で勝ち無し／184日ぶりの実戦）
前5走 12/01 大井10R 8着/13頭+1.7秒 11/10 大井9R 3着/10頭+0.0秒 10/21 大井9R 6着/10頭+1.6秒 10/08 大井5R 4着/9頭+0.7秒 09/19 大井10R 4着/11頭+0.6秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 ▽ 距離適性同距離は 4走で勝ち無し △ ローテーション 184日休養明け ◎ 期待値 (オッズ vs AI勝率) +30% (妙味あり) AI 予想勝率 5.5% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	コパノディラン	篠谷葵（船橋）	実11.5	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／直近3走平均8.0着と低調）
前5走 05/07 船橋9R 5着/12頭+1.2秒 03/30 船橋10R 7着/14頭+1.5秒 03/09 船橋9R 12着/14頭+2.0秒 02/28 浦和9R 4着/12頭+1.0秒 01/19 船橋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 騎手近50戦勝率 16% ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 10.4% (オッズ暗示: 8.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	フレンドシルバー	藤本現（大井）	実31.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/07 船橋9R 9着/12頭+1.8秒 03/31 船橋6R 4着/11頭+0.3秒 03/10 船橋9R 8着/14頭+1.2秒 02/27 浦和5R 6着/11頭+1.6秒 02/12 船橋5R 2着/13頭+0.0秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 3.6% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

5R 船橋競馬場ダート1200m　発走 16:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アヤサンメルシー	西啓太（大井）	実30.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場27走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／中6日以内の連戦）
前5走 05/29 浦和9R 5着/10頭 05/04 船橋9R 7着/12頭+1.5秒 01/20 船橋9R 7着/14頭+1.5秒 12/18 川崎12R 8着/14頭+2.9秒 12/11 船橋7R 6着/14頭+1.8秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 3.8% (オッズ暗示: 3.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アイディアリスト	鷹見陸（大井）	実11.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率27%と適性高／直近3走平均9.3着と低調）
前5走 05/04 船橋9R 9着/12頭+1.8秒 04/21 浦和8R 7着/13頭+0.8秒 03/30 船橋10R 12着/14頭+2.4秒 03/09 船橋9R 6着/14頭+0.8秒 02/09 船橋6R 12着/14頭+3.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.3着 (不振) ◎ 当競馬場適性 15走で勝率 27% (得意) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 9.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	クリノフローレンス	藤江渉（川崎）	実29.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 川崎5R 6着/12頭+0.9秒 05/07 船橋5R 4着/12頭+0.4秒 04/08 川崎5R 8着/12頭+2.6秒 03/03 川崎7R 5着/12頭+0.6秒 02/04 川崎5R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 3.4% (オッズ暗示: 3.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	エムティラヴ	伊藤裕（川崎）	実123.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 05/15 川崎12R 11着/14頭+3.3秒 01/21 船橋4R 9着/12頭+2.2秒 01/02 川崎7R 13着/14頭+2.4秒 12/18 川崎5R 7着/12頭+2.0秒 10/28 浦和2R 7着/12頭+1.7秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 0.9% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ラストショット推奨	本田重（船橋）	実5.4	○詳細▼	期待値プラスでAIの推し馬（直近3走勝率33%と上り調子／当競馬場5走で勝率40%と適性高／同距離帯で勝率50%と得意）
前5走 05/04 船橋7R 1着/12頭勝利 04/03 船橋9R 2着/10頭+0.0秒 03/10 船橋8R 3着/12頭+0.6秒 02/13 船橋4R 1着/12頭勝利 01/20 船橋3R 2着/12頭+1.1秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 4走で勝率 50% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 13.8% (オッズ暗示: 18.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ノブアンドマックス	和田譲（大井）	実64.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/06 船橋4R 9着/12頭+1.6秒 12/08 船橋4R 7着/12頭+1.3秒 11/04 船橋10R 9着/14頭+2.0秒 10/13 川崎7R 5着/11頭+0.7秒 09/30 船橋3R 7着/12頭+1.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 7走で勝率 14% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 1.6% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	キャッスルシャイン	小杉亮（船橋）	実44.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 05/11 川崎9R 5着/10頭+1.5秒 03/12 船橋5R 9着/12頭+1.5秒 02/28 浦和9R 9着/12頭+2.7秒 02/09 船橋9R 5着/14頭+0.9秒 01/19 船橋5R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ポッドボウ	笹川翼（大井）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率50%と適性高／同距離帯6走で勝率50%／直近3走で勝率33%と好調）
前5走 05/07 船橋9R 2着/12頭+0.6秒 03/31 船橋5R 1着/10頭勝利 03/10 船橋6R 3着/11頭+0.8秒 02/12 船橋4R 4着/12頭+1.2秒 08/30 船橋1R 1着/11頭勝利
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 50% (得意) ◎ 距離適性同距離 6走で勝率 50% ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 33.2% (オッズ暗示: 62.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	セレニティ	川島正（船橋）	実56.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（146日ぶりの実戦）
前5走 01/08 浦和8R 5着/12頭+0.8秒 12/08 船橋12R 7着/14頭+3.4秒 11/03 船橋12R 8着/14頭+3.3秒 ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.7着 △ ローテーション 146日休養明け × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アークシャルダーム	山本大（船橋）	実6.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走平均10.0着と低調）
前5走 02/09 船橋6R 10着/14頭+3.4秒 01/21 船橋6R 12着/12頭+3.1秒 12/10 船橋9R 8着/12頭+1.7秒 11/05 船橋5R 1着/12頭勝利 ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 114日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +94% (市場が大幅過小評価) AI 予想勝率 30.3% (オッズ暗示: 15.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	レディジャン	篠谷葵（船橋）	実9.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は5走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/06 船橋4R 12着/12頭+2.6秒 11/04 船橋7R 9着/13頭+1.8秒 10/01 船橋8R 6着/11頭+0.5秒 08/27 船橋8R 2着/11頭+0.7秒 07/28 船橋8R 3着/11頭+0.9秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 9.0着 (不振) ○ 当競馬場適性 16走で勝率 19% (相性良) ▽ 距離適性同距離は 5走で勝ち無し ○ 騎手近50戦勝率 14% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 6.2% (オッズ暗示: 10.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 5 ラストショット実5.4倍期待値 +28% 200円 ❌不的中7着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

6R 船橋競馬場ダート1000m　発走 17:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イソエヴィクラント	佐野遥（川崎）	実40.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/14 川崎7R 9着/11頭+0.8秒 11/20 川崎9R 11着/12頭+2.8秒 10/15 川崎9R 5着/11頭+1.2秒 09/23 浦和10R 5着/10頭+0.8秒 09/10 川崎9R 8着/12頭+1.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	シナジーエフェクト	臼井健（船橋）	実18.2	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場31走で勝率3%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/05 船橋7R 7着/12頭+1.2秒 04/02 船橋4R 1着/10頭勝利 03/11 船橋7R 8着/11頭+1.4秒 02/12 船橋8R 7着/12頭+1.1秒 01/21 船橋5R 5着/12頭+0.7秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 31走で勝率 3% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し × 期待値 (オッズ vs AI勝率) -61% (大幅な期待値マイナス) AI 予想勝率 2.2% (オッズ暗示: 5.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	デルマカミーラ	古岡勇（川崎）	実50.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 04/10 川崎10R 7着/12頭+0.9秒 03/18 浦和8R 5着/12頭+1.4秒 02/23 浦和9R 2着/11頭+0.3秒 10/17 川崎9R 4着/12頭+0.6秒 09/08 川崎9R 6着/12頭+0.3秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	キャンディブーケ	矢野貴（大井）	実5.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走3着）
前5走 05/08 船橋8R 3着/14頭+0.9秒 03/12 船橋6R 5着/10頭+1.1秒 02/11 船橋6R 4着/13頭+0.3秒 12/25 浦和7R 12着/13頭+3.0秒 11/27 浦和5R 11着/11頭+2.1秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 12.5% (オッズ暗示: 20.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	レジェス	七夕裕（浦和）	実54.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/08 船橋8R 12着/14頭+2.2秒 04/22 浦和9R 3着/12頭+0.5秒 04/06 川崎9R 1着/11頭勝利 03/18 浦和8R 6着/12頭+1.5秒 03/09 船橋6R 7着/11頭+1.3秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 18走で勝率 6% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ミスサン	野畑凌（川崎）	実10.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 川崎7R 7着/11頭+0.5秒 05/08 船橋8R 5着/14頭+1.4秒 04/10 川崎8R 11着/11頭+3.1秒 03/18 浦和8R 7着/12頭+2.0秒 03/04 川崎5R 10着/11頭+2.2秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) ○ 騎手近50戦勝率 18% ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 9.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	アイスキング	山中悠（船橋）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率88%と適性高／同馬場状態で勝率83%／直近3走で勝率33%と好調）
前5走 12/24 浦和12R 12着/12頭+6.3秒 12/09 船橋9R 8着/11頭+2.5秒 11/07 船橋9R 1着/12頭勝利 09/29 船橋6R 1着/12頭勝利 06/06 船橋8R 1着/12頭勝利
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 88% (得意) ◎ 馬場適性同馬場 6走で勝率 83% ▽ 前走実績前走 12着 (大敗) △ ローテーション 161日休養明け △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 19.3% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	エスペラード	木間龍（船橋）	実9.4	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率67%と好調）
前5走 05/08 船橋8R 6着/14頭+1.5秒 03/30 船橋5R 1着/14頭勝利 02/27 浦和5R 1着/11頭勝利 01/22 船橋6R 4着/13頭+1.1秒 05/07 川崎8R 1着/12頭勝利
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 6.3% (オッズ暗示: 10.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アライグマパンチ	本田重（船橋）	実15.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／中6日以内の連戦）
前5走 05/27 浦和7R 4着/12頭 03/18 浦和6R 1着/12頭勝利 03/11 船橋5R 7着/11頭+1.6秒 02/27 浦和6R 2着/10頭+0.1秒 01/09 浦和7R 3着/12頭+0.3秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 5.1% (オッズ暗示: 6.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ヴェントフレイバー	川島正（船橋）	実3.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場4走で勝率25%と適性高／同馬場状態で勝率33%／前走2着）
前5走 05/08 船橋8R 2着/14頭+0.4秒 04/02 船橋4R 10着/10頭+3.7秒 10/01 船橋9R 4着/11頭+0.9秒 08/30 船橋8R 1着/11頭勝利 07/17 大井6R 7着/10頭+1.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 馬場適性同馬場 3走で勝率 33% ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 27.2% (オッズ暗示: 28.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ラヴィンローゼス	藤江渉（川崎）	実26.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/11 川崎12R 6着/12頭+1.3秒 04/10 川崎10R 9着/12頭+1.5秒 01/03 川崎12R 6着/12頭+1.0秒 12/18 川崎12R 5着/14頭+2.5秒 11/19 川崎12R 10着/14頭+1.0秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 3.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	サンファウンテン	菅原吏（船橋）	実26.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／前走2着）
前5走 05/27 浦和7R 2着/12頭+2.0秒 05/08 船橋8R 14着/14頭+2.8秒 04/10 川崎10R 4着/12頭+0.6秒 04/02 船橋7R 8着/10頭+1.5秒 03/10 船橋9R 3着/14頭+0.5秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	クラレーヴ	小杉亮（船橋）	実12.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／243日ぶりの実戦）
前5走 10/03 船橋8R 7着/10頭+1.6秒 09/23 浦和7R 4着/13頭+0.7秒 08/20 浦和7R 1着/9頭勝利 07/28 船橋12R 6着/11頭+1.1秒 06/30 船橋7R 2着/6頭+0.1秒
AI 評価の内訳 — 馬番 13 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 12走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 243日休養明け △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 9.5% (オッズ暗示: 7.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

7R 船橋競馬場ダート1600m　発走 17:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サイモンゴージャス	齋藤新（JRA）	実6.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 7.8% (オッズ暗示: 14.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ナリスナ	本田重（船橋）	実5.8	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/05 船橋3R 1着/12頭勝利 11/28 浦和7R 3着/10頭+0.3秒 10/03 船橋3R 1着/7頭勝利 ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 17.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	シラカワゴウ	原田和（JRA）	実50.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	サダムモンブラン	篠谷葵（船橋）	実11.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率50%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 02/09 船橋3R 1着/12頭勝利 01/19 船橋3R 5着/13頭+0.5秒 12/09 船橋1R 1着/10頭勝利 11/06 船橋3R 4着/6頭+2.9秒 ―
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 4走で勝率 50% (得意) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 114日休養明け △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 7.0% (オッズ暗示: 9.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ジョイグリーン	岡村健（船橋）	実5.9	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 8.3% (オッズ暗示: 16.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	モルゲンレーテ	小杉亮（船橋）	実85.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率0%と苦戦傾向）
前5走 05/26 浦和1R 8着/9頭 05/05 船橋4R 4着/12頭+0.4秒 03/31 船橋2R 5着/12頭+1.1秒 03/10 船橋2R 2着/8頭+0.2秒 02/11 船橋2R 6着/10頭+0.9秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 8走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 1.2% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ジャスパーレオン	笹川翼（大井）	実4.2	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率40%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 40% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +51% (市場が大幅過小評価) AI 予想勝率 36.0% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	レジェンドマスター	澤田龍（船橋）	実5.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場4走で勝率25%と適性高）
前5走 05/07 船橋7R 4着/10頭+0.8秒 03/11 船橋6R 4着/10頭+0.4秒 02/12 船橋6R 2着/11頭+0.3秒 01/20 船橋2R 1着/9頭勝利 ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 騎手近50戦勝率 18% ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 8.1% (オッズ暗示: 17.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ベンガルボダイジュ	上里直（JRA）	実23.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走3着／97日ぶりの実戦）
前5走 02/26 浦和9R 3着/12頭+1.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) △ ローテーション 97日休養明け △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 3.1% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ノブレスラブリエ	矢野貴（大井）	実5.2	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ◎ 騎手近50戦勝率 26% (好調) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 18.9% (オッズ暗示: 19.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

馬連 2-10 実10.1倍期待値 +59% 100円 ❌不的中2番(1着)-10番(-)
3連複 1-2-10 実33.0倍期待値 +285% 200円 ❌不的中1番(-)-2番(1着)-10番(-)

B. 市場除外+キャリブ

単勝 9 ベンガルボダイジュ実23.8倍期待値 +106% 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

8R 船橋競馬場ダート1200m　発走 18:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ゼンソレイユ	矢野貴（大井）	実11.2	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率26%）
前5走 05/26 浦和10R 4着/13頭 05/06 船橋7R 3着/12頭+0.2秒 04/07 川崎12R 4着/12頭+1.1秒 03/30 船橋7R 5着/12頭+0.3秒 03/10 船橋12R 8着/11頭+2.1秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 3.7着 △ 当競馬場適性 9走で勝率 11% ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 3.7% (オッズ暗示: 8.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	デルマネコダマシ	木間龍（船橋）	実14.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走2着）
前5走 05/06 船橋7R 2着/12頭+0.2秒 04/21 浦和8R 1着/13頭勝利 03/31 船橋6R 2着/11頭+0.1秒 03/11 船橋4R 2着/11頭+0.4秒 02/25 浦和2R 5着/13頭+1.0秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) △ 距離適性同距離 31走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 5.0% (オッズ暗示: 6.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	マルヒロユートピア	仲野光（船橋）	実61.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/05 船橋6R 8着/12頭+1.7秒 03/11 船橋7R 4着/11頭+0.9秒 02/12 船橋9R 12着/14頭+3.3秒 01/21 船橋5R 10着/12頭+1.6秒 12/11 船橋6R 8着/12頭+4.0秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 18走で勝率 6% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	レンダリング	野澤憲（船橋）	実42.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／直近3走平均11.7着と低調）
前5走 05/26 浦和10R 13着/13頭 05/06 船橋9R 12着/12頭+3.4秒 04/23 浦和10R 10着/11頭+2.7秒 04/02 船橋10R 6着/14頭+2.9秒 03/11 船橋9R 3着/11頭+0.5秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 11.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 1.7% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	セキテイレア	沖響主（船橋）	実14.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/06 船橋7R 4着/12頭+0.3秒 04/02 船橋4R 5着/10頭+1.9秒 03/09 船橋6R 2着/11頭+0.0秒 02/23 浦和9R 10着/11頭+1.7秒 02/11 船橋6R 5着/13頭+0.3秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 7.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ジュンフカリ	山口達（船橋）	実71.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 05/06 船橋7R 9着/12頭+1.3秒 04/02 船橋4R 7着/10頭+2.4秒 03/11 船橋7R 11着/11頭+2.9秒 02/12 船橋8R 12着/12頭+3.4秒 01/21 船橋5R 8着/12頭+1.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 15走で勝率 13% △ 距離適性同距離 15走で勝率 13% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 1.6% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	シナツヒメ	和田譲（大井）	実7.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/06 船橋7R 10着/12頭+1.3秒 04/10 川崎10R 3着/12頭+0.5秒 03/19 浦和6R 10着/12頭+1.7秒 02/25 浦和6R 4着/11頭+1.7秒 02/09 船橋7R 10着/12頭+2.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 11.5% (オッズ暗示: 13.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	スピリットサージ	本田重（船橋）	実2.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／直近3走で勝率67%と好調）
前5走 05/07 船橋9R 1着/12頭勝利 04/01 船橋5R 3着/12頭+0.4秒 03/11 船橋4R 1着/11頭勝利 02/10 船橋7R 4着/12頭+0.6秒 01/21 船橋4R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 5走で勝率 40% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 35.8% (オッズ暗示: 43.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	バトルクリーク	山中悠（船橋）	実11.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/06 船橋7R 5着/12頭+0.5秒 04/02 船橋8R 5着/10頭+0.9秒 03/11 船橋7R 6着/11頭+1.0秒 12/16 船橋10R 7着/12頭+0.5秒 11/27 船橋10R 9着/10頭+2.3秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 15走で勝率 13% △ 距離適性同距離 13走で勝率 8% ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 6.0% (オッズ暗示: 8.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	マッドネスカズ	小杉亮（船橋）	実10.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は5走で勝ち無し／直近3走平均2.7着と安定／前走2着）
前5走 05/04 船橋5R 2着/12頭+0.8秒 07/31 船橋4R 3着/9頭+0.8秒 07/03 船橋12R 3着/7頭+0.2秒 06/05 船橋12R 4着/14頭+0.4秒 05/09 船橋12R 4着/10頭+1.6秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.7着 (安定) △ 当競馬場適性 31走で勝率 10% ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 7.8% (オッズ暗示: 10.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	コンスピラシー	古岡勇（川崎）	実24.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均10.0着と低調）
前5走 05/08 船橋10R 10着/12頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 4.0% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	バーンズベリー	藤本現（大井）	実5.6	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/06 船橋9R 4着/12頭+0.3秒 04/02 船橋10R 3着/14頭+0.2秒 03/09 船橋6R 3着/11頭+0.3秒 02/13 船橋5R 2着/12頭+0.2秒 01/21 船橋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 8走で勝率 12% ○ 距離適性同距離 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 18.0% (オッズ暗示: 17.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 10 マッドネスカズ実10.0倍期待値 +28% 100円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 船橋競馬場ダート1200m　発走 18:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アトモスフィア	野畑凌（川崎）	実97.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（111日ぶりの実戦）
前5走 02/12 船橋10R 11着/12頭+1.8秒 01/20 船橋8R 4着/10頭+1.1秒 12/10 船橋12R 6着/11頭+3.6秒 09/30 船橋12R 1着/12頭勝利 08/27 船橋9R 4着/12頭+0.6秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 25走で勝率 12% △ 距離適性同距離 21走で勝率 10% ○ 騎手近50戦勝率 18% ▽ 前走実績前走 11着 (大敗) △ ローテーション 111日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 1.7% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	エイシンスコッティ	本橋孝（船橋）	実19.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率36%と適性高／同距離帯9走で勝率33%／直近3走で勝率33%と好調）
前5走 05/06 船橋10R 7着/12頭+1.2秒 04/02 船橋9R 1着/9頭勝利 11/04 船橋12R 7着/12頭+1.3秒 09/29 船橋11R 5着/14頭+0.9秒 08/29 船橋8R 2着/8頭+1.4秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 14走で勝率 36% (得意) ◎ 距離適性同距離 9走で勝率 33% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 4.0% (オッズ暗示: 5.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	スパイオンハート	笹川翼（大井）	実12.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率40%）
前5走 05/20 大井12R 9着/14頭+0.0秒 05/06 船橋10R 3着/12頭+0.2秒 04/03 船橋10R 6着/11頭+1.3秒 03/12 船橋10R 9着/11頭+0.9秒 02/12 船橋10R 3着/12頭+0.5秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 ○ 当競馬場適性 21走で勝率 19% (相性良) ○ 距離適性同距離 19走で勝率 21% ◎ 騎手近50戦勝率 40% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 5.9% (オッズ暗示: 7.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	クラウンブラヴォー	西村栄（船橋）	実19.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 05/06 船橋10R 2着/12頭+0.1秒 03/31 船橋10R 8着/14頭+0.4秒 03/11 船橋10R 2着/14頭+0.0秒 02/13 船橋10R 4着/12頭+0.7秒 01/20 船橋8R 2着/10頭+0.7秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 12走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 3.5% (オッズ暗示: 5.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	クフィール	川島正（船橋）	実28.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同馬場状態で勝率33%）
前5走 05/05 船橋9R 11着/12頭+2.1秒 04/21 浦和10R 4着/12頭+0.8秒 04/01 船橋11R 3着/12頭+2.1秒 03/12 船橋9R 7着/8頭+0.9秒 12/09 名古屋11R 11着/12頭+3.2秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 3.6% (オッズ暗示: 3.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	スマイルナウ	矢野貴（大井）	実16.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率25%と適性高／同距離帯12走で勝率33%／334日ぶりの実戦）
前5走 07/04 船橋12R 5着/12頭+1.0秒 05/08 船橋10R 3着/12頭+0.4秒 03/31 船橋7R 2着/10頭+0.5秒 03/12 船橋9R 6着/11頭+1.9秒 02/14 船橋9R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 距離適性同距離 12走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) △ ローテーション 334日休養明け △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 6.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ジェットスピード	西啓太（大井）	実1.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯9走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 02/12 船橋10R 1着/12頭勝利 01/14 大井12R 7着/14頭+0.6秒 12/31 大井12R 3着/16頭+0.1秒 07/03 大井10R 3着/10頭+0.0秒 06/13 大井11R 4着/14頭+0.8秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 9走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 111日休養明け × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 38.9% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ナイトロ	藤本現（大井）	実7.3	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/06 船橋8R 1着/11頭勝利 03/30 船橋9R 2着/10頭+0.1秒 03/09 船橋10R 2着/12頭+0.1秒 02/25 浦和9R 12着/13頭+1.5秒 02/09 船橋8R 8着/12頭+1.1秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 18走で勝率 6% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 12.9% (オッズ暗示: 13.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ケイズブラン	篠谷葵（船橋）	実5.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場13走で勝率31%と適性高／同距離帯12走で勝率33%／直近3走で勝率33%と好調）
前5走 05/06 船橋8R 2着/11頭+0.3秒 03/09 船橋10R 1着/12頭勝利 02/09 船橋8R 2着/12頭+0.0秒 01/19 船橋10R 9着/12頭+1.5秒 12/12 船橋7R 3着/11頭+1.0秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 13走で勝率 31% (得意) ◎ 距離適性同距離 12走で勝率 33% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 19.8% (オッズ暗示: 18.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ボルドーネセバル	山中悠（船橋）	実63.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／中6日以内の連戦）
前5走 05/28 浦和10R 8着/11頭 05/06 船橋10R 8着/12頭+1.2秒 04/21 浦和10R 9着/12頭+1.9秒 04/03 船橋10R 3着/11頭+0.9秒 03/12 船橋10R 10着/11頭+1.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.3着 (不振) ○ 当競馬場適性 19走で勝率 16% (相性良) △ 距離適性同距離 15走で勝率 13% △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 2.0% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 5 クフィール実28.2倍期待値 +119% 100円 ❌不的中10着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 船橋競馬場ダート1000m　発走 19:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リュウノファウラー	安藤洋（大井）	実11.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/01 大井12R 7着/16頭+1.2秒 04/15 大井12R 10着/16頭+2.5秒 03/11 大井11R 4着/12頭+0.1秒 11/10 大井11R 5着/12頭+1.3秒 10/07 大井12R 4着/10頭+0.1秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 3.5% (オッズ暗示: 8.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	タマモアルタイル	高橋哲（浦和）	実6.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 05/25 浦和11R 3着/12頭 04/24 浦和10R 3着/12頭+0.4秒 09/23 浦和10R 1着/10頭勝利 09/10 川崎10R 3着/11頭+0.1秒 08/22 川崎10R 4着/11頭+0.4秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 10.9% (オッズ暗示: 14.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ノースディーバ	野畑凌（川崎）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率50%と好調／前走3着／132日ぶりの実戦）
前5走 01/22 船橋10R 3着/14頭+0.5秒 06/04 船橋6R 1着/10頭勝利 ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) △ ローテーション 132日休養明け △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 47.8% (オッズ暗示: 38.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	インテンシーヴォ	川島正（船橋）	実89.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/05 船橋10R 7着/14頭+1.0秒 03/26 園田10R 7着/11頭+1.9秒 11/26 園田10R 6着/12頭+1.0秒 11/03 園田7R 3着/12頭+0.7秒 10/16 園田11R 4着/7頭+2.1秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 1.6% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	クリーゲリン	笠野雄（船橋）	実51.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/05 船橋10R 10着/14頭+1.4秒 12/10 船橋10R 1着/13頭勝利 11/05 船橋10R 6着/12頭+0.4秒 09/29 船橋11R 6着/14頭+0.9秒 08/31 船橋10R 6着/13頭+1.0秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 16走で勝率 12% ○ 距離適性同距離 13走で勝率 15% ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 2.0% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ハクサンセレーネ	秋元耕（浦和）	実48.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/05 船橋10R 13着/14頭+3.0秒 04/02 船橋7R 1着/10頭勝利 03/12 船橋6R 3着/10頭+0.8秒 02/11 船橋6R 12着/13頭+2.4秒 01/23 船橋9R 13着/13頭+3.9秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 29走で勝率 17% (相性良) ○ 距離適性同距離 12走で勝率 17% ▽ 前走実績前走 13着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	レイシン	本田重（船橋）	実4.1	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯12走で勝率33%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/05 船橋10R 1着/14頭勝利 03/31 船橋10R 6着/14頭+0.4秒 03/12 船橋6R 1着/10頭勝利 02/11 船橋6R 3着/13頭+0.3秒 01/23 船橋9R 6着/13頭+0.9秒
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 22走で勝率 23% (相性良) ◎ 距離適性同距離 12走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -62% (大幅な期待値マイナス) AI 予想勝率 9.2% (オッズ暗示: 24.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	シャドウダッチェス	古岡勇（川崎）	実27.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/05 船橋10R 5着/14頭+0.8秒 03/31 船橋10R 5着/14頭+0.3秒 03/11 船橋10R 12着/14頭+2.1秒 02/10 船橋10R 11着/14頭+1.7秒 01/23 船橋9R 1着/13頭勝利
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 8走で勝率 12% × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 2.2% (オッズ暗示: 3.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	プレストガウディー	山中悠（船橋）	実36.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率4%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 05/05 船橋10R 4着/14頭+0.6秒 03/31 船橋10R 10着/14頭+0.8秒 03/11 船橋10R 7着/14頭+0.9秒 03/04 川崎9R 6着/12頭+0.9秒 02/10 船橋10R 5着/14頭+0.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 3.0% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ビスマルク	佐野遥（川崎）	実9.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は5走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/06 船橋10R 10着/12頭+1.3秒 03/31 船橋10R 3着/14頭+0.3秒 03/11 船橋10R 13着/14頭+2.1秒 02/13 船橋10R 8着/12頭+2.3秒 01/22 船橋10R 2着/14頭+0.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 21走で勝率 10% ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 10.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ジェネシスミザール	仲野光（船橋）	実115.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場31走で勝率3%と苦戦傾向／直近3走平均10.0着と低調）
前5走 05/25 浦和11R 10着/12頭 05/05 船橋10R 8着/14頭+1.1秒 04/20 浦和10R 12着/12頭+4.1秒 04/07 川崎9R 7着/10頭+0.8秒 03/31 船橋10R 12着/14頭+1.4秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 31走で勝率 3% (苦戦) △ 距離適性同距離 19走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 0.9% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	エメラルアポロン	西村栄（船橋）	実79.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調）
前5走 05/06 船橋10R 12着/12頭+3.2秒 01/22 船橋10R 14着/14頭+2.2秒 12/10 船橋10R 5着/13頭+0.3秒 11/06 船橋11R 9着/10頭+1.8秒 09/29 船橋11R 4着/14頭+0.7秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 10.3着 (不振) ○ 当競馬場適性 25走で勝率 16% (相性良) △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 1.3% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	ラタランテラ	岡村健（船橋）	実6.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率0%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/13 川崎2R 1着/12頭勝利 04/24 浦和4R 2着/10頭+0.2秒 04/02 船橋5R 7着/7頭+2.5秒 09/09 川崎2R 1着/11頭勝利 08/27 船橋2R 2着/6頭+0.0秒
AI 評価の内訳 — 馬番 13 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 5走で勝率 0% (苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 15.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	レイデルマール	山口達（船橋）	実62.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/05 船橋10R 11着/14頭+1.4秒 11/05 船橋9R 3着/9頭+1.9秒 09/29 船橋11R 11着/14頭+2.3秒 08/31 船橋10R 5着/13頭+0.9秒 08/01 船橋10R 7着/12頭+0.6秒
AI 評価の内訳 — 馬番 14 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

馬連 3-13 実10.8倍期待値 +79% 200円 ❌不的中3番(10着)-13番(4着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 船橋競馬場ダート1700m　発走 20:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グランデマーレ	岡村健（船橋）	実147.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均12.7着と低調）
前5走 05/05 船橋11R 13着/13頭+8.0秒 03/31 船橋11R 14着/14頭+4.7秒 03/11 船橋11R 11着/12頭+7.0秒 02/17 大井11R 12着/15頭+2.2秒 01/28 大井11R 13着/15頭+5.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 12.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 13着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +108% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	フジユージーン	杉山海（大井）	実23.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 04/28 大井11R 5着/16頭+1.9秒 03/10 大井11R 11着/16頭+2.4秒 11/11 大井11R 3着/13頭+0.2秒 10/22 大井11R 11着/16頭+1.6秒 11/07 園田11R 1着/12頭勝利
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.3着 △ 騎手近50戦勝率 4% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 6.2% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	テンカハル	野畑凌（川崎）	実32.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%）
前5走 05/08 船橋11R 7着/14頭+1.2秒 11/26 浦和11R 7着/12頭+2.7秒 06/19 川崎11R 4着/14頭+2.4秒 06/03 船橋11R 6着/9頭+3.4秒 05/06 船橋11R 1着/12頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 8走で勝率 12% ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 18% ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 3.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ダテノショウグン	本田重（船橋）	実15.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯3走で勝率100%／直近3走平均8.3着と低調／騎手は近50戦で勝率20%）
前5走 05/20 大井11R 9着/16頭 04/16 大井11R 7着/16頭+1.7秒 12/03 大井11R 9着/12頭+2.5秒 04/17 大井11R 5着/9頭+1.6秒 02/17 大井11R 1着/15頭勝利
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.3着 (不振) ◎ 距離適性同距離 3走で勝率 100% ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 4.7% (オッズ暗示: 6.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アイブランコ	西啓太（大井）	実179.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/08 船橋11R 9着/14頭+2.3秒 04/23 浦和11R 8着/12頭+2.1秒 04/09 川崎11R 8着/14頭+2.4秒 03/11 船橋11R 7着/10頭+2.3秒 02/17 大井11R 4着/15頭+2.1秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.3着 (不振) ○ ローテーション 26日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 0.8% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	シャルフジン	本橋孝（船橋）	実12.3	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯7走で勝率29%／直近3走で勝率33%と好調）
前5走 04/09 川崎11R 2着/14頭+0.9秒 02/12 船橋11R 7着/13頭+2.1秒 11/12 大井12R 1着/12頭勝利 10/05 大井7R 2着/8頭+0.4秒 10/24 浦和11R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 7走で勝率 29% ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +87% (市場が大幅過小評価) AI 予想勝率 15.2% (オッズ暗示: 8.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ヘニータイフーン	澤田龍（船橋）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 04/22 浦和11R 6着/13頭+0.5秒 12/30 大井10R 3着/16頭+0.7秒 11/03 船橋9R 12着/14頭+4.1秒 10/03 船橋11R 1着/12頭勝利 ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) ○ 騎手近50戦勝率 18% × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 14.0% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ゴールドバランサー	町田直（川崎）	実39.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向）
前5走 04/30 大井10R 10着/15頭+1.7秒 04/02 船橋12R 2着/11頭+0.6秒 03/10 船橋11R 8着/9頭+2.5秒 08/01 船橋11R 2着/10頭+1.1秒 07/06 船橋11R 6着/10頭+3.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 前走実績前走 10着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 3.5% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	オーマイグッネス	藤本現（大井）	実47.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯19走で勝率26%／直近3走平均8.3着と低調）
前5走 05/05 船橋11R 7着/13頭+2.4秒 03/31 船橋11R 13着/14頭+3.8秒 02/12 船橋11R 5着/13頭+1.1秒 01/23 船橋11R 3着/11頭+0.2秒 12/09 船橋8R 1着/14頭勝利
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.3着 (不振) ○ 当競馬場適性 23走で勝率 22% (相性良) ◎ 距離適性同距離 19走で勝率 26% ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アランバローズ	笹川翼（大井）	実2.4	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯15走で勝率33%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 01/03 川崎11R 1着/11頭勝利 12/16 川崎11R 1着/10頭勝利 10/22 大井11R 14着/16頭+2.1秒 10/03 船橋11R 2着/12頭+0.1秒 08/26 川崎11R 3着/7頭+0.9秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 距離適性同距離 15走で勝率 33% ◎ 騎手近50戦勝率 40% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 151日休養明け × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 21.6% (オッズ暗示: 41.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	タマモダイジョッキ	川島正（船橋）	実89.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.5着と低調）
前5走 04/28 大井11R 14着/16頭+3.4秒 04/09 川崎11R 11着/14頭+2.8秒 ― ― ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 12.5着 (不振) ▽ 前走実績前走 14着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 1.5% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	プラセボ	小杉亮（船橋）	実31.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率33%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 05/07 船橋10R 1着/11頭勝利 04/02 船橋12R 7着/11頭+1.3秒 03/10 船橋11R 1着/9頭勝利 02/13 船橋11R 5着/11頭+0.6秒 02/04 川崎11R 8着/12頭+2.7秒
AI 評価の内訳 — 馬番 12 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 9走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 67% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +85% (市場が大幅過小評価) AI 予想勝率 5.9% (オッズ暗示: 3.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
13	シシュフォス	和田譲（大井）	実24.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／169日ぶりの実戦）
前5走 12/16 川崎11R 2着/10頭+1.8秒 10/22 大井11R 15着/16頭+2.5秒 10/02 園田11R 5着/6頭+1.1秒 08/26 川崎11R 2着/7頭+0.9秒 07/10 川崎11R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 13 × 直近3戦の調子平均 7.3着 (不振) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 10走で勝率 20% ○ 前走実績前走 2着 (好走) △ ローテーション 169日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 8.1% (オッズ暗示: 4.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
14	キングストンボーイ	矢野貴（大井）	実3.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／64日ぶりの実戦）
前5走 03/31 船橋11R 5着/14頭+1.1秒 12/03 大井11R 1着/12頭勝利 10/22 大井11R 7着/16頭+1.2秒 08/27 船橋11R 2着/9頭+1.7秒 05/21 大井11R 2着/15頭+0.1秒
AI 評価の内訳 — 馬番 14 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 13.7% (オッズ暗示: 25.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 6 シャルフジン実12.3倍期待値 +88% 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 船橋競馬場ダート1600m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グラビティモデル	鷹見陸（大井）	実98.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/06 船橋9R 10着/12頭+2.2秒 03/30 船橋10R 1着/14頭勝利 03/09 船橋9R 10着/14頭+1.8秒 02/09 船橋6R 4着/14頭+1.8秒 01/19 船橋7R 3着/13頭+0.9秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 15走で勝率 13% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ソルテア	室陽一（浦和）	実368.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/12 川崎12R 12着/14頭+2.0秒 05/07 船橋12R 12着/13頭+4.2秒 04/20 浦和12R 7着/12頭+1.5秒 04/02 船橋10R 7着/14頭+3.0秒 03/17 浦和12R 9着/12頭+2.2秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +348% (市場が大幅過小評価) AI 予想勝率 1.2% (オッズ暗示: 0.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	カムバック	臼井健（船橋）	実47.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/26 浦和10R 1着/13頭 05/06 船橋9R 8着/12頭+1.5秒 04/02 船橋10R 11着/14頭+5.1秒 12/08 船橋8R 2着/12頭+0.2秒 11/03 船橋6R 6着/12頭+1.8秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +51% (市場が大幅過小評価) AI 予想勝率 3.2% (オッズ暗示: 2.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	リカード	和田譲（大井）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い／134日ぶりの実戦）
前5走 01/20 船橋9R 1着/14頭勝利 12/09 船橋6R 1着/11頭勝利 ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 134日休養明け × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 15.8% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アサマ	笹川翼（大井）	実5.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率40%）
前5走 05/08 船橋10R 6着/12頭+1.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 ◎ 騎手近50戦勝率 40% (好調) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 8.3% (オッズ暗示: 18.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	カガヤキファイター	藤江渉（川崎）	実39.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/12 川崎12R 4着/14頭+0.1秒 04/09 川崎8R 1着/14頭勝利 02/03 川崎9R 4着/14頭+0.8秒 01/02 川崎12R 5着/14頭+0.7秒 12/19 川崎10R 9着/14頭+2.2秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 4走で勝率 25% ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +67% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	イデアノキセキ	中山遥（浦和）	実62.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/26 浦和10R 9着/13頭 05/14 川崎9R 3着/13頭+0.3秒 04/21 浦和4R 9着/10頭+2.8秒 03/30 船橋6R 8着/11頭+1.5秒 03/19 浦和6R 7着/12頭+1.6秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 1.4% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ピリナマアナ	岡村健（船橋）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率80%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/04 船橋9R 1着/12頭勝利 03/31 船橋3R 1着/12頭勝利 03/13 船橋5R 1着/11頭勝利 02/11 船橋3R 5着/12頭+1.5秒 01/22 船橋8R 1着/13頭勝利
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 5走で勝率 80% (得意) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 23.7% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	セイノスケ推奨	福原杏（浦和）	実27.3	▲詳細▼	市場が大きく過小評価、AI予想勝率9% × オッズ27.3倍で期待値+139%の有力候補（直近3走勝率33%と上り調子／前走3着で力を示す）
前5走 05/25 浦和12R 3着/3頭 04/21 浦和6R 1着/12頭勝利 03/16 浦和12R 2着/12頭+0.1秒 03/09 船橋9R 11着/14頭+2.0秒 02/23 浦和5R 4着/13頭+0.7秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ▽ 距離適性同距離は 3走で勝ち無し ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +139% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	タカミノガコイ	野畑凌（川崎）	実13.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 05/06 船橋9R 5着/12頭+0.5秒 03/31 船橋12R 6着/14頭+1.3秒 03/09 船橋9R 1着/14頭勝利 02/09 船橋9R 2着/14頭+0.4秒 01/19 船橋12R 3着/14頭+0.5秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 騎手近50戦勝率 18% ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 3.0% (オッズ暗示: 7.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	キープカミング	古岡勇（川崎）	実16.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し／前走3着）
前5走 05/06 船橋9R 3着/12頭+0.3秒 04/02 船橋7R 7着/10頭+1.4秒 03/12 船橋6R 10着/10頭+2.4秒 02/09 船橋12R 12着/13頭+4.1秒 01/23 船橋9R 9着/13頭+1.6秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 28走で勝率 11% ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 4.4% (オッズ暗示: 6.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ツーエムフリーク	山中悠（船橋）	実3.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率100%と好調／前走勝利の勢い／188日ぶりの実戦）
前5走 11/27 浦和11R 1着/12頭勝利 10/31 浦和7R 1着/12頭勝利 09/24 浦和5R 1着/10頭勝利 04/21 浦和7R 1着/12頭勝利 03/18 浦和8R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 188日休養明け △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 25.1% (オッズ暗示: 28.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 9 セイノスケ実27.3倍期待値 +138% 100円

B. 市場除外+キャリブ

単勝 9 セイノスケ実27.3倍期待値 +219% 100円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

1R 名古屋競馬場ダート1500m　発走 12:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブルースバローズ	加藤聡（愛知）	実1.1	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 47.2% (オッズ暗示: 90.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	メイショウパンゲア	加藤誓（愛知）	実81.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場78走で勝率4%と苦戦傾向／同距離帯は69走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/20 名古屋7R 11着/11頭+5.0秒 05/05 名古屋5R 3着/11頭+0.5秒 04/22 名古屋1R 11着/12頭+4.0秒 04/08 名古屋12R 10着/12頭+3.2秒 03/26 名古屋1R 11着/11頭+3.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 78走で勝率 4% (苦戦) ▽ 距離適性同距離は 69走で勝ち無し ○ 馬場適性同馬場 10走で勝率 20% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 2.0% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	カゲンノツキ	大畑慧（愛知）	実186.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率4%と苦戦傾向／同距離帯は20走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/20 名古屋7R 10着/11頭 05/05 名古屋10R 9着/11頭+2.1秒 04/22 名古屋2R 12着/12頭+4.3秒 04/09 名古屋1R 8着/11頭+1.4秒 03/26 名古屋2R 11着/11頭+3.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 0.6% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	アドバンスオーセン	望月洵（愛知）	実5.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/20 名古屋7R 6着/11頭 05/05 名古屋6R 3着/12頭+0.7秒 04/20 名古屋9R 2着/11頭+0.1秒 04/08 名古屋3R 4着/11頭+1.3秒 03/24 名古屋3R 8着/10頭+2.4秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 16% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 10.7% (オッズ暗示: 19.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	モンサンフリージア推奨	丸野勝（愛知）	実25.1	○詳細▼	市場が大きく過小評価、AI予想勝率12% × オッズ25.1倍で期待値+205%の有力候補（適度な間隔で状態万全／騎手は近50戦勝率22%と好調）
前5走 05/20 名古屋2R 4着/10頭+2.0秒 05/05 名古屋4R 8着/10頭+2.1秒 04/08 名古屋4R 3着/11頭+0.0秒 03/23 名古屋7R 4着/11頭+1.2秒 03/09 名古屋8R 8着/12頭+3.0秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 28走で勝率 4% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +205% (市場が大幅過小評価) AI 予想勝率 12.2% (オッズ暗示: 4.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ルージュパラディ	大畑雅（愛知）	実71.1	▲詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/20 名古屋7R 8着/11頭+2.0秒 05/05 名古屋10R 11着/11頭+2.4秒 04/22 名古屋2R 8着/12頭+3.2秒 04/08 名古屋6R 2着/11頭+0.4秒 03/24 名古屋3R 3着/10頭+1.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +254% (市場が大幅過小評価) AI 予想勝率 5.0% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ルミノーゾ	細川智（愛知）	実45.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場37走で勝率3%と苦戦傾向／同距離帯は28走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/19 名古屋5R 1着/11頭勝利 05/04 名古屋6R 6着/10頭+2.7秒 04/20 名古屋5R 9着/12頭+2.7秒 04/07 名古屋5R 5着/11頭+1.9秒 03/23 名古屋6R 8着/11頭+2.2秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 37走で勝率 3% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 2.2% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ゴールデンマーチ	木之葵（愛知）	実124.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場20走で勝率5%と苦戦傾向／直近3走平均9.0着と低調）
前5走 05/20 名古屋8R 8着/10頭 05/05 名古屋10R 10着/11頭+2.2秒 04/22 名古屋3R 9着/12頭+1.7秒 04/09 名古屋2R 10着/11頭+2.3秒 03/24 名古屋8R 4着/12頭+0.8秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 20走で勝率 5% (苦戦) △ 距離適性同距離 18走で勝率 6% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 1.0% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	パウダースノウ	近藤颯（愛知）	実72.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/20 名古屋5R 10着/11頭+2.0秒 05/05 名古屋6R 12着/12頭+4.8秒 04/22 名古屋1R 7着/12頭+1.6秒 04/08 名古屋12R 9着/12頭+3.1秒 03/26 名古屋1R 10着/11頭+3.5秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +120% (市場が大幅過小評価) AI 予想勝率 3.1% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	キャルドカフェ	明星晴（笠松）	実29.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 05/20 名古屋7R 9着/11頭+1.0秒 05/04 名古屋5R 1着/11頭勝利 11/25 名古屋1R 6着/12頭+1.9秒 11/11 名古屋5R 11着/11頭+4.5秒 10/16 名古屋4R 11着/12頭+5.6秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 25走で勝率 12% △ 距離適性同距離 21走で勝率 10% ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +117% (市場が大幅過小評価) AI 予想勝率 7.5% (オッズ暗示: 3.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	クオレプリマドンナ	阪野学（愛知）	実43.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し）
前5走 05/20 名古屋5R 7着/11頭 05/05 名古屋5R 6着/11頭+1.2秒 04/22 名古屋1R 6着/12頭+1.5秒 04/08 名古屋6R 3着/11頭+0.4秒 03/24 名古屋5R 10着/12頭+2.0秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +92% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アスクサヴァイバル	丹羽克（愛知）	実34.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場21走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 05/20 名古屋5R 8着/11頭 05/05 名古屋6R 8着/12頭+2.9秒 04/20 名古屋12R 3着/12頭+0.0秒 04/08 名古屋6R 6着/11頭+0.9秒 03/24 名古屋5R 5着/12頭+1.1秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 4.2% (オッズ暗示: 2.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 5 モンサンフリージア実25.1倍期待値 +177% 100円 ❌不的中2着
馬連 1-5 実9.7倍期待値 +63% 100円 🎯的中1番(1着)-5番(2着)970円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

2R 名古屋競馬場ダート1500m　発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フローラルアーチ	細川智（愛知）	実25.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 04/07 川崎7R 6着/11頭+2.1秒 02/04 川崎6R 9着/12頭+2.0秒 ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.5着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) AI 予想勝率 5.4% (オッズ暗示: 4.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	グランドタルマエ	丸野勝（愛知）	実43.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 騎手近50戦勝率 22% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	モメンタムシフト	阪野学（愛知）	実103.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 1.4% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ウインモアナ	友森翔（愛知）	実124.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/22 名古屋1R 7着/11頭 05/08 名古屋6R 6着/10頭+1.5秒 04/24 名古屋1R 11着/12頭+2.4秒 04/07 名古屋3R 5着/11頭+1.1秒 03/23 名古屋2R 7着/10頭+2.3秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 0.7% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ビオトープ	大畑慧（愛知）	実14.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 6.8% (オッズ暗示: 7.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	グリュック	加藤利（愛知）	実10.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 9.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	コンプレックス	丹羽克（愛知）	実79.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/19 名古屋1R 5着/10頭+1.9秒 05/04 名古屋1R 6着/9頭+1.6秒 04/07 名古屋1R 4着/11頭+1.0秒 03/18 園田4R 8着/12頭+2.3秒 01/15 園田2R 5着/11頭+1.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ナムラライラック	木之葵（愛知）	実5.0	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 12.0% (オッズ暗示: 20.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	フローラルウェイ	加藤聡（愛知）	実6.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 14.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ベベペッパー	今井貴（愛知）	実2.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 29.4% (オッズ暗示: 37.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	サクラノヘイゲン	山田祥（愛知）	実66.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/22 名古屋1R 9着/11頭+1.0秒 05/08 名古屋6R 10着/10頭+1.7秒 04/20 名古屋3R 6着/12頭+1.7秒 04/08 名古屋2R 8着/12頭+2.6秒 03/24 名古屋1R 9着/11頭+3.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +56% (市場が大幅過小評価) AI 予想勝率 2.4% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ミラクルスパート	塚本征（愛知）	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 騎手近50戦勝率 30% (好調) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 18.9% (オッズ暗示: 27.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 2 グランドタルマエ実43.9倍期待値 +240% 100円 ❌不的中7着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 名古屋競馬場ダート1400m　発走 13:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ミツカネマルテ	渡邊竜（笠松）	実22.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 04/13 名古屋1R 12着/12頭+10.5秒 03/23 名古屋3R 3着/11頭+0.9秒 ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.5着 (不振) ▽ 前走実績前走 12着 (大敗) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 4.1% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ポプリーニ	丸山真（愛知）	実64.2	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/19 名古屋3R 4着/9頭+1.0秒 05/04 名古屋3R 9着/10頭+4.2秒 ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ロッククライム	今井貴（愛知）	実53.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/08 名古屋7R 11着/11頭+7.4秒 04/20 名古屋3R 4着/12頭+1.4秒 ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.5着 (不振) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 26日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	アンフルラージュ	木之葵（愛知）	実3.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/19 名古屋4R 4着/11頭+3.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 14.2% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	イヌボウノサザナミ	丹羽克（愛知）	実56.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/19 名古屋3R 5着/9頭+1.1秒 05/04 名古屋3R 6着/10頭+2.3秒 04/08 名古屋1R 8着/12頭+2.3秒 ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -62% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アマビエ	望月洵（愛知）	実37.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/19 名古屋1R 4着/10頭+1.8秒 05/04 名古屋3R 7着/10頭+2.9秒 04/08 名古屋1R 12着/12頭+6.6秒 ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 3.3% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ユイノレジスタンス推奨	近藤颯（愛知）	実21.8	△詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+59%の中穴候補（市場想定よりAI評価が高く妙味）
前5走 05/22 名古屋1R 8着/11頭 05/04 名古屋3R 5着/10頭+2.0秒 04/08 名古屋1R 7着/12頭+1.9秒 ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +59% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 4.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ニシキエバー	大畑慧（愛知）	実41.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場21走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/22 名古屋1R 5着/11頭+3.0秒 05/08 名古屋6R 7着/10頭+1.5秒 04/20 名古屋3R 8着/12頭+1.8秒 04/07 名古屋1R 3着/11頭+0.9秒 03/23 名古屋1R 2着/10頭+0.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 2.3% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アイアンロッキー	友森翔（愛知）	実11.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 名古屋2R 5着/10頭 05/04 名古屋4R 5着/10頭+4.3秒 ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.0着 △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 8.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ホウオウアワード	塚本征（愛知）	実8.3	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率28%）
前5走 05/19 名古屋4R 5着/11頭+4.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.0着 ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 15.4% (オッズ暗示: 12.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ハウスオンファイア	加藤聡（愛知）	実7.4	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/22 名古屋2R 9着/10頭 05/08 名古屋7R 10着/11頭+5.7秒 04/24 名古屋1R 7着/12頭+2.2秒 04/08 名古屋1R 4着/12頭+1.3秒 ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 17.1% (オッズ暗示: 13.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	スージーハルワ	柿原翔（愛知）	実2.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 05/22 名古屋1R 4着/11頭 ― ― ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 24.7% (オッズ暗示: 43.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 7 ユイノレジスタンス実21.8倍期待値 +92% 100円 ❌不的中11着

B. 市場除外+キャリブ

単勝 1 ミツカネマルテ実22.9倍期待値 +74% 100円 ❌不的中12着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 名古屋競馬場ダート1500m　発走 14:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウインマデイラ	丹羽克（愛知）	実26.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走3着）
前5走 05/19 名古屋4R 3着/11頭+2.5秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 3着 (好走) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +66% (市場が大幅過小評価) AI 予想勝率 6.3% (オッズ暗示: 3.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ミディエイター	加藤利（愛知）	実108.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（93日ぶりの実戦）
前5走 03/02 名古屋5R 4着/11頭+1.9秒 02/10 名古屋2R 5着/12頭+2.0秒 ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.5着 △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 93日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +55% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ノーブルトレジャー	塚本征（愛知）	実1.4	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走平均2.0着と安定／前走2着／騎手は近50戦で勝率28%）
前5走 05/19 名古屋4R 2着/11頭+1.2秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 2.0着 (安定) ◎ 騎手近50戦勝率 28% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 24.1% (オッズ暗示: 71.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ベラケンタウロス推奨	望月洵（愛知）	実5.9	○詳細▼	期待値プラスでAIの推し馬（直近3走平均3.0着と安定／前走3着で力を示す／騎手の手腕も後押し）
前5走 05/04 名古屋4R 3着/10頭+0.9秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 3.0着 (安定) ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 20.2% (オッズ暗示: 16.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ノーブルウェザー	丸野勝（愛知）	実68.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率22%）
前5走 05/22 名古屋2R 4着/10頭+2.0秒 05/08 名古屋5R 5着/10頭+1.4秒 ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.5着 ◎ 騎手近50戦勝率 22% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +66% (市場が大幅過小評価) AI 予想勝率 2.4% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ウインアレグロ	渡邊竜（笠松）	実67.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/22 名古屋3R 10着/11頭 05/08 名古屋7R 9着/11頭+4.2秒 04/24 名古屋1R 12着/12頭+2.8秒 04/13 名古屋1R 10着/12頭+3.0秒 03/24 名古屋2R 6着/12頭+1.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +192% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	シンゼンアイカ	細川智（愛知）	実91.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 05/19 名古屋3R 3着/9頭+0.9秒 05/04 名古屋4R 10着/10頭+8.1秒 ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +170% (市場が大幅過小評価) AI 予想勝率 2.9% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ワイルドカモミール	明星晴（笠松）	実135.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/22 名古屋3R 11着/11頭 05/04 名古屋1R 2着/9頭+0.7秒 04/07 名古屋3R 10着/11頭+2.9秒 03/23 名古屋2R 9着/10頭+3.9秒 03/09 名古屋3R 10着/11頭+2.5秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +89% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	モズオージー	近藤颯（愛知）	実69.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/22 名古屋3R 9着/11頭 05/08 名古屋6R 4着/10頭+0.7秒 04/20 名古屋3R 10着/12頭+2.2秒 04/08 名古屋2R 11着/12頭+3.3秒 03/23 名古屋3R 5着/11頭+1.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 1.9% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ハナムラサキ	筒井勇（笠松）	実41.4	▲詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 05/22 名古屋2R 3着/10頭 05/04 名古屋4R 4着/10頭+3.7秒 ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.5着 △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +216% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	アレステソーロ	今井貴（愛知）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 21.6% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	マイネルエトルタ	友森翔（愛知）	実29.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/25 名古屋1R 6着/10頭+1.0秒 05/04 名古屋3R 2着/10頭+0.8秒 04/20 名古屋3R 7着/12頭+1.8秒 ― ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +69% (市場が大幅過小評価) AI 予想勝率 5.7% (オッズ暗示: 3.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 4 ベラケンタウロス実5.9倍期待値 +24% 100円 ❌不的中2着

B. 市場除外+キャリブ

単勝 1 ウインマデイラ実26.4倍期待値 +196% 100円 ❌不的中5着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 名古屋競馬場ダート1400m　発走 14:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ユメミ	尾崎章（愛知）	実43.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は12走で勝ち無し／直近3走平均11.3着と低調）
前5走 05/14 川崎3R 11着/14頭+2.0秒 04/09 川崎5R 11着/12頭+2.5秒 03/04 川崎12R 12着/14頭+4.1秒 02/05 川崎10R 7着/14頭+2.2秒 01/01 川崎7R 9着/13頭+1.1秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 11.3着 (不振) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ミステンザン推奨	近藤颯（愛知）	実7.6	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+43%の妙味（直近3走勝率33%と上り調子／当競馬場で勝率17%と相性良／同距離帯で勝率17%）
前5走 05/19 名古屋6R 1着/11頭勝利 05/04 名古屋5R 2着/11頭+0.1秒 04/20 名古屋4R 2着/12頭+0.6秒 11/07 名古屋3R 4着/11頭+0.3秒 10/28 名古屋3R 7着/12頭+2.7秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 18.8% (オッズ暗示: 13.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ソーラーシステム	木之葵（愛知）	実60.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/20 名古屋7R 5着/11頭+3.0秒 05/05 名古屋10R 8着/11頭+1.9秒 09/19 名古屋3R 7着/12頭+1.3秒 09/05 名古屋12R 12着/12頭+3.0秒 08/21 名古屋4R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 14走で勝率 14% △ 距離適性同距離 12走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	サーストンユタ	大畑雅（愛知）	実67.5	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場34走で勝率0%と苦戦傾向／同距離帯は34走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/20 名古屋8R 9着/10頭+1.0秒 05/05 名古屋12R 7着/12頭+1.6秒 04/22 名古屋4R 10着/12頭+1.4秒 03/25 名古屋3R 3着/11頭+1.7秒 03/11 名古屋3R 10着/11頭+2.6秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 34走で勝率 0% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -68% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ハルノート	加藤聡（愛知）	実17.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／70日ぶりの実戦／騎手は近50戦で勝率24%）
前5走 03/25 名古屋3R 7着/11頭+2.5秒 03/11 名古屋1R 4着/10頭+0.9秒 02/23 名古屋5R 1着/12頭勝利 02/09 名古屋8R 7着/12頭+0.9秒 01/26 名古屋8R 6着/12頭+2.0秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ◎ 騎手近50戦勝率 24% (好調) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 4.7% (オッズ暗示: 5.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	スペースリーガ	友森翔（愛知）	実13.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調）
前5走 05/21 名古屋1R 7着/10頭 05/06 名古屋1R 8着/11頭+0.6秒 04/22 名古屋4R 12着/12頭+2.6秒 04/09 名古屋3R 6着/11頭+1.1秒 03/25 名古屋2R 4着/11頭+0.7秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 12走で勝率 8% × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 7.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	オーブラボー	柿原翔（愛知）	実84.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場66走で勝率3%と苦戦傾向／同距離帯は61走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/20 名古屋8R 10着/10頭 05/04 名古屋6R 1着/10頭勝利 04/20 名古屋5R 3着/12頭+1.4秒 04/07 名古屋4R 3着/11頭+1.5秒 03/23 名古屋11R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 66走で勝率 3% (苦戦) ▽ 距離適性同距離は 61走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	アーマードトラック	望月洵（愛知）	実1.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 01/26 名古屋8R 1着/12頭勝利 01/13 名古屋1R 1着/11頭勝利 01/01 名古屋1R 2着/12頭+0.0秒 ― ―
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 128日休養明け × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 51.1% (オッズ暗示: 76.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	キタノショウリュウ	丸野勝（愛知）	実15.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走2着／騎手は近50戦で勝率22%）
前5走 05/20 名古屋5R 2着/11頭+0.0秒 05/06 名古屋12R 11着/12頭+3.5秒 04/20 名古屋5R 1着/12頭勝利 12/05 名古屋6R 11着/11頭+6.7秒 11/11 名古屋4R 11着/11頭+7.9秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 7走で勝率 14% ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 8.4% (オッズ暗示: 6.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ウィルマッチ	藤原幹（笠松）	実34.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 05/20 名古屋8R 7着/10頭 05/05 名古屋12R 8着/12頭+1.8秒 04/22 名古屋3R 6着/12頭+1.4秒 04/08 名古屋12R 3着/12頭+1.3秒 03/26 名古屋1R 9着/11頭+2.9秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 2.3% (オッズ暗示: 2.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	サンコルテス	大畑慧（愛知）	実51.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場77走で勝率3%と苦戦傾向／同距離帯は65走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/21 名古屋1R 9着/10頭+5.0秒 05/05 名古屋12R 12着/12頭+3.1秒 04/09 名古屋3R 9着/11頭+1.8秒 03/26 名古屋4R 9着/12頭+1.5秒 03/12 名古屋2R 10着/11頭+2.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 77走で勝率 3% (苦戦) ▽ 距離適性同距離は 65走で勝ち無し △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	キャヴァリアルティ	大原浩（笠松）	実12.4	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し）
前5走 05/20 名古屋8R 6着/10頭 05/05 名古屋12R 9着/12頭+1.9秒 04/22 名古屋4R 7着/12頭+1.2秒 04/09 名古屋2R 6着/11頭+1.7秒 03/25 名古屋4R 7着/12頭+1.5秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 8.9% (オッズ暗示: 8.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 2 ミステンザン実7.6倍期待値 +1% 100円 ❌不的中

B. 市場除外+キャリブ

単勝 9 キタノショウリュウ実15.8倍期待値 +283% 200円 ❌不的中2着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

6R 名古屋競馬場ダート1500m　発走 15:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タガノポストマン	筒井勇（笠松）	実16.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向）
前5走 05/21 名古屋1R 6着/10頭 05/05 名古屋12R 5着/12頭+1.2秒 04/22 名古屋3R 4着/12頭+1.1秒 04/08 名古屋12R 4着/12頭+1.4秒 03/25 名古屋4R 9着/12頭+2.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 22走で勝率 5% (苦戦) △ 距離適性同距離 19走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 3.1% (オッズ暗示: 6.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アルヒルム	塚本征（愛知）	実2.7	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率30%）
前5走 05/19 名古屋7R 1着/11頭勝利 04/20 名古屋7R 6着/12頭+1.8秒 04/07 名古屋11R 4着/11頭+0.2秒 03/24 名古屋5R 8着/12頭+1.6秒 09/30 名古屋1R 1着/12頭勝利
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 29走で勝率 14% △ 距離適性同距離 21走で勝率 14% ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 18.4% (オッズ暗示: 37.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ウェイトノーモア	今井貴（愛知）	実24.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調）
前5走 05/21 名古屋2R 9着/10頭+0.0秒 04/28 大井6R 4着/10頭+0.7秒 04/14 大井5R 11着/14頭+2.7秒 03/24 大井8R 11着/12頭+2.5秒 03/10 大井4R 13着/13頭+4.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) △ 距離適性同距離 7走で勝率 14% △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 4.0% (オッズ暗示: 4.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	タマモハヤブサ	近藤颯（愛知）	実23.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 05/21 名古屋2R 8着/10頭 05/06 名古屋12R 9着/12頭+2.8秒 04/20 名古屋8R 1着/12頭勝利 04/07 名古屋11R 3着/11頭+0.2秒 03/23 名古屋4R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 9走で勝率 11% ○ 距離適性同距離 5走で勝率 20% 🌟◎ 期待値 (オッズ vs AI勝率) +59% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 4.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	サブエガ	柿原翔（愛知）	実72.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場32走で勝率0%と苦戦傾向／同距離帯は28走で勝ち無し／前走3着）
前5走 05/20 名古屋8R 3着/10頭+0.0秒 05/05 名古屋10R 6着/11頭+1.1秒 04/22 名古屋3R 7着/12頭+1.5秒 04/09 名古屋1R 4着/11頭+1.0秒 03/26 名古屋2R 10着/11頭+3.2秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 32走で勝率 0% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	サインオブハピネス	阪野学（愛知）	実11.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/21 名古屋1R 4着/10頭 05/05 名古屋12R 10着/12頭+1.9秒 04/22 名古屋4R 9着/12頭+1.3秒 04/09 名古屋2R 5着/11頭+1.6秒 03/26 名古屋4R 6着/12頭+1.2秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 33走で勝率 6% △ 距離適性同距離 31走で勝率 6% △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 9.9% (オッズ暗示: 8.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ロジアンドモルタル	大畑雅（愛知）	実5.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率43%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 05/04 名古屋7R 1着/11頭勝利 12/23 名古屋1R 9着/9頭+4.8秒 10/01 名古屋6R 6着/12頭+1.7秒 09/17 名古屋7R 11着/12頭+3.0秒 09/03 名古屋5R 1着/12頭勝利
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 43% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 14.2% (オッズ暗示: 17.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ミヤビバエル	大原浩（笠松）	実272.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 名古屋2R 7着/10頭+1.0秒 05/06 名古屋12R 5着/12頭+1.9秒 04/22 名古屋3R 5着/12頭+1.2秒 04/09 名古屋2R 7着/11頭+1.8秒 03/24 名古屋8R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 15走で勝率 7% 🌟◎ 期待値 (オッズ vs AI勝率) +244% (市場が大幅過小評価) AI 予想勝率 1.3% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	フルーツワゴン	丸山真（愛知）	実51.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 05/21 名古屋2R 6着/10頭+2.0秒 05/06 名古屋1R 10着/11頭+1.2秒 04/22 名古屋2R 2着/12頭+1.6秒 03/24 名古屋8R 5着/12頭+0.8秒 03/10 名古屋4R 2着/11頭+0.1秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	タクティカ	加藤利（愛知）	実64.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場37走で勝率3%と苦戦傾向／同距離帯は31走で勝ち無し／前走2着）
前5走 05/20 名古屋7R 2着/11頭+2.0秒 05/05 名古屋6R 7着/12頭+1.6秒 04/22 名古屋2R 7着/12頭+2.8秒 04/08 名古屋12R 8着/12頭+2.1秒 03/24 名古屋8R 7着/12頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 37走で勝率 3% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +235% (市場が大幅過小評価) AI 予想勝率 5.2% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ベルフォン	友森翔（愛知）	実16.7	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場19走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し）
前5走 05/20 名古屋8R 4着/10頭 05/05 名古屋5R 2着/11頭+0.3秒 04/20 名古屋12R 7着/12頭+0.4秒 03/24 名古屋6R 9着/12頭+1.4秒 03/10 名古屋5R 3着/11頭+0.3秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 2.0% (オッズ暗示: 6.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ラミントン	加藤聡（愛知）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／騎手は近50戦で勝率24%）
前5走 05/21 名古屋2R 10着/10頭 05/06 名古屋12R 7着/12頭+2.2秒 03/24 名古屋3R 1着/10頭勝利 ― ―
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 32.6% (オッズ暗示: 38.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 9 フルーツワゴン実51.4倍期待値 +617% 200円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

7R 名古屋競馬場ダート1500m　発走 15:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ノーザンピーク	丹羽克（愛知）	実51.4	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/21 名古屋4R 10着/10頭 05/06 名古屋2R 8着/10頭+1.7秒 04/23 名古屋1R 10着/11頭+2.1秒 04/09 名古屋12R 10着/12頭+2.6秒 03/27 名古屋4R 12着/12頭+4.3秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ソダチザカリ	渡邊竜（笠松）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走2着）
前5走 05/21 名古屋1R 2着/10頭+0.0秒 05/06 名古屋12R 4着/12頭+1.3秒 04/07 名古屋5R 1着/11頭勝利 01/14 名古屋2R 7着/11頭+2.1秒 01/02 名古屋6R 8着/11頭+2.1秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 49.5% (オッズ暗示: 62.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	エストソール	大畑慧（愛知）	実14.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/21 名古屋1R 3着/10頭+1.0秒 05/05 名古屋12R 6着/12頭+1.4秒 04/22 名古屋1R 2着/12頭+0.5秒 04/08 名古屋7R 4着/11頭+0.9秒 03/25 名古屋1R 9着/11頭+1.7秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.7着 △ 当競馬場適性 18走で勝率 6% △ 距離適性同距離 17走で勝率 6% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 5.1% (オッズ暗示: 6.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	フィロンドール	細川智（愛知）	実32.1	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場27走で勝率4%と苦戦傾向／同距離帯は28走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/21 名古屋4R 6着/10頭 05/06 名古屋3R 11着/11頭+2.3秒 04/09 名古屋12R 12着/12頭+3.5秒 03/27 名古屋4R 10着/12頭+3.5秒 03/13 名古屋3R 9着/10頭+2.8秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 27走で勝率 4% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 1.1% (オッズ暗示: 3.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	プロメッサ	近藤颯（愛知）	実13.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場49走で勝率2%と苦戦傾向／同距離帯は44走で勝ち無し／直近3走平均10.3着と低調）
前5走 01/30 名古屋3R 11着/11頭+2.0秒 01/19 名古屋5R 9着/10頭+1.9秒 01/03 名古屋4R 11着/12頭+2.2秒 12/23 名古屋7R 8着/11頭+2.9秒 12/10 名古屋12R 9着/12頭+1.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 49走で勝率 2% (苦戦) ▽ 距離適性同距離は 44走で勝ち無し ▽ 前走実績前走 11着 (大敗) △ ローテーション 124日休養明け △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 6.6% (オッズ暗示: 7.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	イザワン	加藤利（愛知）	実33.5	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯24走で勝率25%／直近3走平均8.7着と低調）
前5走 05/21 名古屋3R 9着/10頭 09/18 名古屋7R 12着/12頭+3.4秒 08/20 名古屋8R 5着/10頭+1.8秒 07/23 名古屋8R 10着/11頭+2.9秒 07/10 名古屋9R 2着/9頭+0.2秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ◎ 距離適性同距離 24走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 3.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	デルマガニメデ	大畑雅（愛知）	実22.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い／85日ぶりの実戦）
前5走 03/10 名古屋5R 1着/11頭勝利 02/25 名古屋4R 4着/11頭+1.7秒 02/10 名古屋3R 5着/12頭+1.0秒 12/18 名古屋7R 3着/12頭+0.7秒 12/04 名古屋7R 4着/11頭+0.7秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 9走で勝率 11% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 4.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	テルケンユミカグラ	塚本征（愛知）	実6.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率40%と適性高／同距離帯5走で勝率40%／直近3走で勝率67%と好調）
前5走 05/19 名古屋12R 1着/11頭勝利 05/06 名古屋10R 4着/11頭+0.2秒 04/20 名古屋4R 1着/12頭勝利 10/14 名古屋10R 7着/12頭+2.1秒 09/16 名古屋5R 8着/12頭+2.3秒
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 18.5% (オッズ暗示: 16.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ヒオウギ	木之葵（愛知）	実13.7	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／前走3着）
前5走 05/21 名古屋2R 3着/10頭+1.0秒 05/06 名古屋1R 6着/11頭+0.2秒 03/10 名古屋10R 2着/12頭+0.1秒 02/26 名古屋1R 3着/10頭+1.3秒 02/10 名古屋8R 7着/12頭+1.0秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 8.1% (オッズ暗示: 7.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ネオアリシア	加藤聡（愛知）	実28.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場61走で勝率5%と苦戦傾向／同距離帯は46走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/21 名古屋3R 5着/10頭+0.0秒 05/06 名古屋2R 10着/10頭+2.8秒 04/22 名古屋8R 11着/11頭+2.3秒 04/09 名古屋6R 9着/11頭+1.7秒 03/26 名古屋6R 10着/12頭+4.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 61走で勝率 5% (苦戦) ▽ 距離適性同距離は 46走で勝ち無し ○ 馬場適性同馬場 10走で勝率 20% ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 3.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	クリノスピネル	阪野学（愛知）	実36.7	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 名古屋3R 6着/10頭 05/06 名古屋2R 7着/10頭+1.4秒 04/23 名古屋1R 7着/11頭+1.4秒 04/09 名古屋12R 11着/12頭+2.9秒 03/27 名古屋4R 11着/12頭+3.8秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 34走で勝率 12% △ 距離適性同距離 27走で勝率 11% × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アルーリングソレル	丸山真（愛知）	実13.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場32走で勝率3%と苦戦傾向／同距離帯は31走で勝ち無し）
前5走 05/21 名古屋2R 4着/10頭 04/22 名古屋8R 8着/11頭+1.4秒 04/09 名古屋4R 7着/11頭+0.8秒 03/26 名古屋3R 4着/12頭+0.3秒 02/27 名古屋3R 9着/11頭+1.9秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 32走で勝率 3% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 5.4% (オッズ暗示: 7.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

8R 名古屋競馬場ダート1500m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	モアサナイト	大畑慧（愛知）	実26.7	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%）
前5走 05/21 名古屋10R 6着/9頭 05/06 名古屋7R 5着/12頭+0.5秒 04/23 名古屋12R 2着/12頭+0.4秒 04/09 名古屋5R 7着/11頭+1.4秒 03/25 名古屋5R 2着/11頭+0.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 17走で勝率 18% ◎ 馬場適性同馬場 3走で勝率 33% × 期待値 (オッズ vs AI勝率) -61% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アールオブケント	加藤聡（愛知）	実8.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場10走で勝率70%と適性高／同距離帯10走で勝率70%／直近3走で勝率67%と好調）
前5走 05/22 名古屋10R 1着/10頭 05/07 名古屋9R 4着/10頭+0.3秒 12/22 名古屋8R 1着/12頭勝利 12/10 名古屋9R 1着/12頭勝利 11/26 名古屋5R 1着/12頭勝利
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 70% (得意) ◎ 距離適性同距離 10走で勝率 70% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 12.4% (オッズ暗示: 11.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ベレーザフィン	丹羽克（愛知）	実32.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率25%と適性高／同馬場状態で勝率50%／直近3走で勝率33%と好調）
前5走 05/21 名古屋8R 3着/10頭 05/06 名古屋6R 4着/11頭+1.2秒 04/24 名古屋10R 1着/11頭勝利 04/13 名古屋6R 2着/10頭+0.0秒 03/27 名古屋3R 3着/11頭+1.9秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 25% (得意) ○ 距離適性同距離 11走で勝率 18% ◎ 馬場適性同馬場 4走で勝率 50% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 3.3% (オッズ暗示: 3.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ボル	望月洵（愛知）	実2.1	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率50%と適性高／同距離帯7走で勝率29%／直近3走で勝率67%と好調）
前5走 05/07 名古屋9R 1着/10頭勝利 04/13 名古屋7R 1着/10頭勝利 03/13 名古屋4R 2着/10頭+0.2秒 03/02 名古屋1R 3着/11頭+0.6秒 02/11 名古屋4R 1着/12頭勝利
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 50% (得意) ◎ 距離適性同距離 7走で勝率 29% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 24.8% (オッズ暗示: 47.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	キングミニスター	友森翔（愛知）	実40.1	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/20 名古屋4R 7着/11頭+1.0秒 05/05 名古屋7R 8着/11頭+2.1秒 04/22 名古屋6R 3着/12頭+1.1秒 04/09 名古屋8R 3着/12頭+0.5秒 03/24 名古屋10R 8着/12頭+3.1秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 1.2% (オッズ暗示: 2.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	サトノアルタイル	今井貴（愛知）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/20 名古屋4R 4着/11頭 05/06 名古屋6R 2着/11頭+0.3秒 04/22 名古屋6R 8着/12頭+1.8秒 04/13 名古屋10R 1着/11頭勝利 03/13 名古屋12R 2着/10頭+0.2秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 13.6% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	グランキューブ	細川智（愛知）	実45.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調）
前5走 05/20 名古屋4R 9着/11頭+0.0秒 05/05 名古屋7R 11着/11頭+2.7秒 04/22 名古屋7R 12着/12頭+3.8秒 03/26 名古屋10R 1着/11頭勝利 03/13 名古屋12R 6着/10頭+1.5秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 57走で勝率 9% △ 距離適性同距離 40走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	リヴァスピナー	近藤颯（愛知）	実16.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/20 名古屋4R 6着/11頭+0.0秒 05/06 名古屋7R 4着/12頭+0.5秒 04/23 名古屋12R 3着/12頭+0.4秒 04/13 名古屋12R 1着/11頭勝利 03/27 名古屋9R 2着/10頭+0.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 17走で勝率 24% (相性良) ○ 距離適性同距離 13走で勝率 23% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 4.4% (オッズ暗示: 6.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アルデスト	山田祥（愛知）	実19.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率25%と適性高／同距離帯9走で勝率33%／直近3走で勝率33%と好調）
前5走 05/20 名古屋4R 10着/11頭 05/07 名古屋10R 1着/10頭勝利 04/24 名古屋12R 3着/12頭+0.4秒 04/10 名古屋6R 5着/10頭+1.5秒 03/27 名古屋3R 1着/11頭勝利
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 距離適性同距離 9走で勝率 33% ○ 馬場適性同馬場 4走で勝率 25% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 4.6% (オッズ暗示: 5.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ノボリユーミン	渡邊竜（笠松）	実21.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場10走で勝率40%と適性高／同距離帯10走で勝率40%／前走2着）
前5走 05/21 名古屋7R 2着/10頭 04/09 名古屋10R 7着/11頭+1.6秒 03/25 名古屋6R 4着/12頭+0.9秒 02/27 名古屋10R 3着/11頭+0.6秒 01/30 名古屋10R 1着/12頭勝利
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 10走で勝率 40% (得意) ◎ 距離適性同距離 10走で勝率 40% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 4.9% (オッズ暗示: 4.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	イストロス推奨	大畑雅（愛知）	実9.1	○詳細▼	市場が大きく過小評価、AI予想勝率24% × オッズ9.1倍で期待値+119%の有力候補（直近3走勝率67%と絶好調／当競馬場15走で勝率67%と適性高／同距離帯で勝率75%と得意）
前5走 11/20 名古屋10R 1着/12頭勝利 11/11 名古屋10R 1着/11頭勝利 10/15 名古屋10R 6着/12頭+2.2秒 08/22 名古屋12R 1着/11頭勝利 09/05 名古屋12R 1着/10頭勝利
AI 評価の内訳 — 馬番 11 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 15走で勝率 67% (得意) ◎ 距離適性同距離 8走で勝率 75% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 195日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +119% (市場が大幅過小評価) AI 予想勝率 24.1% (オッズ暗示: 11.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	ドルチェルナ	大原浩（笠松）	実23.3	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率27%と適性高／同距離帯12走で勝率25%）
前5走 05/20 名古屋4R 8着/11頭+0.0秒 04/22 名古屋7R 6着/12頭+1.3秒 04/08 名古屋8R 9着/11頭+2.4秒 03/23 名古屋10R 7着/8頭+2.1秒 02/27 名古屋9R 1着/10頭勝利
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.7着 (不振) ◎ 当競馬場適性 15走で勝率 27% (得意) ◎ 距離適性同距離 12走で勝率 25% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 3.2% (オッズ暗示: 4.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 11 イストロス実9.1倍期待値 +36% 100円 ❌不的中4着

B. 市場除外+キャリブ

単勝 11 イストロス実9.1倍期待値 +123% 300円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 名古屋競馬場ダート1500m　発走 16:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ドルチアーリア	加藤利（愛知）	実78.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/20 名古屋12R 11着/11頭+6.0秒 05/05 名古屋1R 7着/11頭+1.2秒 04/22 名古屋12R 12着/12頭+3.7秒 04/08 名古屋9R 7着/11頭+2.0秒 03/05 川崎8R 7着/10頭+3.4秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アイルビーメジャー	尾崎章（愛知）	実36.9	×詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調）
前5走 05/20 名古屋9R 11着/11頭 05/05 名古屋7R 10着/11頭+2.7秒 04/22 名古屋12R 10着/12頭+3.6秒 04/08 名古屋9R 8着/11頭+2.2秒 03/25 名古屋7R 9着/10頭+3.4秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.3着 (不振) △ 当競馬場適性 19走で勝率 5% △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アキヨシパワー	近藤颯（愛知）	実15.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率27%と適性高／同距離帯7走で勝率29%）
前5走 04/08 名古屋9R 5着/11頭+1.6秒 03/11 名古屋9R 7着/11頭+2.3秒 01/27 名古屋10R 4着/11頭+0.8秒 01/03 名古屋10R 12着/12頭+1.5秒 12/18 名古屋10R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 15走で勝率 27% (得意) ◎ 距離適性同距離 7走で勝率 29% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 6.3% (オッズ暗示: 6.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	シャッフルガール	今井貴（愛知）	実26.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%／直近3走平均10.3着と低調）
前5走 05/05 名古屋1R 11着/11頭+2.5秒 04/22 名古屋7R 9着/12頭+2.0秒 04/08 名古屋9R 11着/11頭+5.3秒 03/10 名古屋11R 8着/12頭+2.2秒 02/25 名古屋11R 5着/12頭+0.7秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.3着 (不振) △ 当競馬場適性 10走で勝率 10% ○ 距離適性同距離 17走で勝率 24% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +81% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ラントリサント	丸山真（愛知）	実62.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／直近3走平均9.3着と低調）
前5走 05/20 名古屋12R 10着/11頭+1.0秒 05/05 名古屋1R 9着/11頭+1.4秒 04/22 名古屋12R 9着/12頭+3.2秒 04/08 名古屋10R 6着/11頭+1.5秒 ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	イノセンス	山田祥（愛知）	実14.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 05/19 名古屋10R 12着/12頭+1.9秒 04/23 名古屋12R 1着/12頭勝利 03/24 名古屋7R 8着/12頭+1.2秒 03/13 名古屋9R 1着/10頭勝利 03/02 名古屋4R 2着/11頭+0.0秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 13走で勝率 23% (相性良) △ 距離適性同距離 8走で勝率 12% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 6.9% (オッズ暗示: 7.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	スターインパクト	加藤聡（愛知）	実21.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率24%）
前5走 05/21 名古屋6R 1着/10頭 05/06 名古屋5R 11着/11頭+4.3秒 04/23 名古屋8R 5着/12頭+2.0秒 04/10 名古屋8R 4着/11頭+0.6秒 03/25 名古屋6R 5着/12頭+1.6秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 74走で勝率 5% △ 距離適性同距離 37走で勝率 5% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +134% (市場が大幅過小評価) AI 予想勝率 11.1% (オッズ暗示: 4.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	コスモベルツリー	木之葵（愛知）	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/20 名古屋9R 4着/11頭+0.0秒 05/06 名古屋7R 2着/12頭+0.2秒 04/22 名古屋7R 7着/12頭+1.4秒 04/09 名古屋10R 4着/11頭+0.9秒 03/27 名古屋11R 1着/9頭勝利
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 26走で勝率 12% △ 距離適性同距離 21走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 17.3% (オッズ暗示: 18.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	デスティニーホープ	望月洵（愛知）	実1.8	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場4走で勝率25%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 05/20 名古屋9R 10着/11頭+2.0秒 04/23 名古屋8R 1着/12頭勝利 04/10 名古屋8R 5着/11頭+0.9秒 03/25 名古屋11R 2着/12頭+0.4秒 03/11 大井9R 11着/11頭+1.8秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 6走で勝率 33% ○ 騎手近50戦勝率 18% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 24.3% (オッズ暗示: 55.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アフロビート	筒井勇（笠松）	実22.2	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 05/20 名古屋4R 5着/11頭 05/06 名古屋7R 3着/12頭+0.3秒 04/22 名古屋6R 11着/12頭+2.4秒 03/26 名古屋12R 2着/11頭+0.1秒 03/12 名古屋12R 3着/10頭+0.6秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ウインバーテックス	渡邊竜（笠松）	実10.6	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 11.4% (オッズ暗示: 9.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アドゥールグロー	大畑雅（愛知）	実9.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着）
前5走 05/21 名古屋10R 2着/9頭 05/06 名古屋6R 3着/11頭+1.2秒 04/22 名古屋6R 9着/12頭+2.3秒 04/09 名古屋5R 3着/11頭+0.3秒 03/27 名古屋5R 1着/9頭勝利
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 25走で勝率 12% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 10.4% (オッズ暗示: 11.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

10R 名古屋競馬場ダート1500m　発走 17:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ユズノキ	大畑慧（愛知）	実165.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯19走で勝率32%／前走3着）
前5走 05/20 名古屋11R 3着/11頭+0.0秒 05/06 名古屋11R 5着/10頭+0.9秒 04/08 名古屋11R 3着/10頭+0.6秒 03/12 名古屋8R 10着/12頭+3.0秒 02/25 名古屋9R 5着/12頭+1.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 28走で勝率 21% (相性良) ◎ 距離適性同距離 19走で勝率 32% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +353% (市場が大幅過小評価) AI 予想勝率 2.7% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	レーヴドアンジュ	塚本征（愛知）	実8.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い／351日ぶりの実戦）
前5走 06/17 名古屋10R 1着/12頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 32% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 351日休養明け △ 期待値 (オッズ vs AI勝率) +12% (市場と概ね一致) AI 予想勝率 13.1% (オッズ暗示: 11.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ボルドーリスクレス	丸野勝（愛知）	実295.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率25%と適性高／騎手は近50戦で勝率22%）
前5走 05/06 名古屋11R 8着/10頭+2.5秒 04/22 名古屋11R 7着/12頭+1.2秒 04/09 名古屋9R 3着/11頭+0.9秒 03/24 名古屋10R 3着/12頭+1.8秒 02/23 名古屋9R 1着/11頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 ◎ 当競馬場適性 16走で勝率 25% (得意) △ 距離適性同距離 13走で勝率 8% ○ 馬場適性同馬場 7走で勝率 29% ◎ 騎手近50戦勝率 22% (好調) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +209% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	パヴィーア	望月洵（愛知）	実2.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 32.1% (オッズ暗示: 40.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ザイツィンガー	大畑雅（愛知）	実3.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 25.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ルテリブル	加藤聡（愛知）	実102.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は6走で勝ち無し／前走3着／騎手は近50戦で勝率24%）
前5走 05/06 名古屋11R 3着/10頭+0.5秒 04/22 名古屋11R 5着/12頭+1.0秒 02/27 名古屋11R 5着/12頭+1.1秒 01/30 名古屋11R 6着/11頭+0.8秒 01/15 名古屋12R 2着/7頭+0.9秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 17走で勝率 18% (相性良) ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +287% (市場が大幅過小評価) AI 予想勝率 3.8% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	コスモルージュ	木之葵（愛知）	実188.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 名古屋11R 10着/10頭+0.0秒 04/23 名古屋9R 10着/10頭+5.2秒 02/27 名古屋12R 2着/9頭+0.1秒 02/13 名古屋11R 6着/12頭+0.6秒 01/29 名古屋12R 6着/7頭+1.6秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 11走で勝率 18% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +152% (市場が大幅過小評価) AI 予想勝率 1.3% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	カサデガ	近藤颯（愛知）	実247.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/07 名古屋11R 7着/10頭+0.6秒 04/24 名古屋11R 9着/10頭+1.8秒 04/10 名古屋10R 3着/9頭+0.9秒 03/13 名古屋11R 6着/8頭+0.8秒 02/27 名古屋11R 8着/12頭+1.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 8走で勝率 12% ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +58% (市場が大幅過小評価) AI 予想勝率 0.6% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	モズリバーシャトー	藤懸貴（JRA）	実35.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 騎手近50戦勝率 20% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +81% (市場が大幅過小評価) AI 予想勝率 5.2% (オッズ暗示: 2.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ブエナディオサ	渡邊竜（笠松）	実34.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／824日ぶりの実戦）
前5走 03/01 名古屋11R 7着/9頭+1.2秒 02/02 名古屋11R 4着/7頭+1.8秒 01/16 名古屋11R 1着/9頭勝利 01/02 名古屋11R 3着/10頭+0.4秒 12/22 名古屋11R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 15走で勝率 20% (相性良) ○ 距離適性同距離 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 824日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 4.7% (オッズ暗示: 2.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	アルナイル	筒井勇（笠松）	実13.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走3着／126日ぶりの実戦）
前5走 01/28 名古屋10R 3着/12頭+1.2秒 ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子平均 3.0着 (安定) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) △ ローテーション 126日休養明け △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 8.1% (オッズ暗示: 7.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	トモジャザーン	今井貴（愛知）	実3.0	○詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 × 期待値 (オッズ vs AI勝率) -47% (大幅な期待値マイナス) AI 予想勝率 17.7% (オッズ暗示: 33.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走

両モデルとも本レースは見送り判定（期待値プラスなし）

11R 名古屋競馬場ダート1400m　発走 17:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ペップセ	木之葵（愛知）	実37.2	○詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均3.0着と安定／前走2着）
前5走 05/20 名古屋11R 2着/11頭 05/06 名古屋11R 4着/10頭+0.8秒 10/16 名古屋10R 3着/7頭+0.6秒 10/02 名古屋11R 9着/12頭+1.8秒 09/04 名古屋11R 5着/11頭+1.0秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 8走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +231% (市場が大幅過小評価) AI 予想勝率 8.9% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ジュンフィレンツェ	筒井勇（笠松）	実27.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯26走で勝率27%／前走3着）
前5走 05/22 名古屋11R 3着/11頭 05/04 名古屋8R 5着/9頭+2.0秒 04/23 名古屋9R 3着/10頭+0.7秒 03/27 名古屋8R 7着/12頭+1.2秒 02/23 名古屋11R 4着/9頭+1.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 31走で勝率 23% (相性良) ◎ 距離適性同距離 26走で勝率 27% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +116% (市場が大幅過小評価) AI 予想勝率 7.9% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	カワテンマックス	丸野勝（愛知）	実2.0	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場10走で勝率70%と適性高／同距離帯5走で勝率60%／直近3走で勝率67%と好調）
前5走 05/22 名古屋11R 2着/11頭 04/23 名古屋9R 1着/10頭勝利 03/11 名古屋11R 1着/11頭勝利 11/12 名古屋11R 5着/9頭+0.7秒 06/04 名古屋11R 6着/12頭+1.4秒
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 70% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 47.0% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	マンノライトニング	渡邊竜（笠松）	実8.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場18走で勝率33%と適性高／同距離帯15走で勝率33%／前走3着）
前5走 05/04 名古屋8R 3着/9頭+1.6秒 02/23 名古屋11R 3着/9頭+0.8秒 01/29 名古屋11R 4着/12頭+0.5秒 01/05 名古屋7R 4着/12頭+2.1秒 12/05 名古屋11R 2着/12頭+0.8秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 18走で勝率 33% (得意) ◎ 距離適性同距離 15走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 7.9% (オッズ暗示: 12.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	アルティメットサガ	望月洵（愛知）	実32.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場38走で勝率26%と適性高／同距離帯30走で勝率30%／同馬場状態で勝率67%）
前5走 05/08 名古屋11R 5着/10頭+1.7秒 04/23 名古屋9R 6着/10頭+1.2秒 01/19 名古屋10R 6着/8頭+1.4秒 01/05 名古屋7R 7着/12頭+2.8秒 12/23 名古屋11R 2着/12頭+0.6秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 38走で勝率 26% (得意) ◎ 距離適性同距離 30走で勝率 30% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 騎手近50戦勝率 22% (好調) ○ ローテーション 26日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +75% (市場が大幅過小評価) AI 予想勝率 5.5% (オッズ暗示: 3.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ナムラマイケル	細川智（愛知）	実212.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/22 名古屋11R 7着/11頭+6.0秒 05/07 名古屋11R 6着/10頭+0.6秒 04/24 名古屋11R 7着/10頭+1.5秒 04/13 名古屋11R 7着/10頭+2.0秒 03/27 名古屋10R 5着/9頭+1.2秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 17走で勝率 18% (相性良) ○ 距離適性同距離 12走で勝率 17% ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +220% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	エイトワン	大畑慧（愛知）	実48.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場22走で勝率27%と適性高／同距離帯9走で勝率44%／直近3走平均8.3着と低調）
前5走 05/22 名古屋11R 10着/11頭 04/23 名古屋11R 7着/10頭+1.7秒 04/07 名古屋10R 8着/11頭+1.7秒 03/13 名古屋11R 1着/8頭勝利 02/23 名古屋11R 2着/9頭+0.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) ◎ 当競馬場適性 22走で勝率 27% (得意) ◎ 距離適性同距離 9走で勝率 44% ○ 馬場適性同馬場 5走で勝率 20% ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +80% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ヴェッツラー	大畑雅（愛知）	実47.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/22 名古屋11R 5着/11頭+0.0秒 05/08 名古屋11R 8着/10頭+2.0秒 01/05 名古屋7R 11着/12頭+3.3秒 12/24 名古屋11R 6着/8頭+1.4秒 12/05 名古屋10R 1着/9頭勝利
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 42走で勝率 14% ○ 距離適性同距離 25走で勝率 16% × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 2.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ユウトザアシゲ	塚本征（愛知）	実62.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯21走で勝率29%／同馬場状態で勝率33%／騎手は近50戦で勝率30%）
前5走 05/22 名古屋11R 11着/11頭 05/07 名古屋11R 3着/10頭+0.1秒 04/13 名古屋11R 5着/10頭+1.4秒 03/27 名古屋8R 4着/12頭+0.4秒 03/11 名古屋11R 3着/11頭+0.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 ○ 当競馬場適性 29走で勝率 24% (相性良) ◎ 距離適性同距離 21走で勝率 29% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ▽ 前走実績前走 11着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 2.4% (オッズ暗示: 1.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	マッドルーレット	加藤聡（愛知）	実2.0	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率50%と適性高／同距離帯4走で勝率50%／直近3走で勝率33%と好調）
前5走 11/13 名古屋11R 1着/11頭勝利 10/16 名古屋11R 2着/12頭+0.4秒 07/21 名古屋7R 5着/12頭+0.9秒 06/26 名古屋11R 1着/12頭勝利 04/08 名古屋11R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 50% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 202日休養明け × 期待値 (オッズ vs AI勝率) -72% (大幅な期待値マイナス) AI 予想勝率 13.9% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 2 ジュンフィレンツェ実27.3倍期待値 +110% 100円 ❌不的中5着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 名古屋競馬場ダート1500m　発走 18:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アグネス	東川慎（笠松）	実66.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 05/20 名古屋2R 3着/10頭+0.0秒 05/05 名古屋4R 5着/10頭+1.5秒 04/20 名古屋9R 10着/11頭+2.1秒 04/08 名古屋5R 5着/10頭+1.1秒 03/24 名古屋5R 3着/12頭+0.6秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 15走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +54% (市場が大幅過小評価) AI 予想勝率 2.3% (オッズ暗示: 1.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ホウオウシーザー	渡邊竜（笠松）	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場14走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 05/21 名古屋2R 5着/10頭 05/06 名古屋1R 7着/11頭+0.3秒 04/22 名古屋8R 6着/11頭+1.0秒 04/09 名古屋3R 5着/11頭+0.8秒 03/26 名古屋2R 4着/11頭+0.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 15.0% (オッズ暗示: 25.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ベールドゥフィーユ	友森翔（愛知）	実21.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率5%と苦戦傾向／同距離帯は20走で勝ち無し／前走2着）
前5走 05/20 名古屋2R 2着/10頭 05/04 名古屋12R 2着/11頭+0.7秒 04/20 名古屋7R 10着/12頭+2.7秒 04/08 名古屋3R 8着/11頭+2.2秒 03/24 名古屋6R 10着/12頭+1.7秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 20走で勝率 5% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 5.9% (オッズ暗示: 4.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	メイショウウミカゼ	阪野学（愛知）	実40.9	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場31走で勝率3%と苦戦傾向／同距離帯は34走で勝ち無し）
前5走 05/20 名古屋5R 6着/11頭 05/05 名古屋5R 5着/11頭+1.0秒 04/20 名古屋9R 3着/11頭+0.2秒 04/08 名古屋4R 5着/11頭+0.2秒 03/24 名古屋4R 4着/11頭+1.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 31走で勝率 3% (苦戦) ▽ 距離適性同距離は 34走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 2.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	フェリスナビダ	加藤聡（愛知）	実16.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場25走で勝率4%と苦戦傾向／同距離帯は24走で勝ち無し／直近3走平均2.0着と安定）
前5走 05/20 名古屋1R 2着/10頭+0.0秒 05/04 名古屋7R 2着/11頭+0.1秒 04/07 名古屋5R 2着/11頭+0.8秒 01/14 名古屋1R 10着/10頭+3.5秒 01/02 名古屋5R 8着/11頭+2.3秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 2.0着 (安定) × 当競馬場適性 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 7.4% (オッズ暗示: 6.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ゴールドプラン	大畑雅（愛知）	実2.8	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場22走で勝率5%と苦戦傾向／同距離帯は19走で勝ち無し／直近3走平均2.7着と安定）
前5走 05/05 名古屋12R 2着/12頭+0.0秒 04/22 名古屋2R 3着/12頭+1.7秒 04/08 名古屋7R 3着/11頭+0.6秒 03/24 名古屋4R 3着/11頭+0.6秒 03/10 名古屋4R 5着/11頭+1.2秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 22走で勝率 5% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 17.5% (オッズ暗示: 35.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ジーティーネージュ	山田祥（愛知）	実69.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場22走で勝率5%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 05/20 名古屋7R 7着/11頭 05/05 名古屋4R 2着/10頭+0.5秒 04/20 名古屋7R 2着/12頭+1.2秒 04/08 名古屋3R 9着/11頭+2.7秒 03/24 名古屋6R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 22走で勝率 5% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 2.1% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	モンサンケイティ	細川智（愛知）	実19.5	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向／同距離帯は22走で勝ち無し）
前5走 05/21 名古屋3R 7着/10頭 05/06 名古屋1R 5着/11頭+0.2秒 04/22 名古屋4R 3着/12頭+0.3秒 04/09 名古屋3R 10着/11頭+1.9秒 03/25 名古屋2R 10着/11頭+1.3秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 22走で勝率 5% (苦戦) ▽ 距離適性同距離は 22走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 3.1% (オッズ暗示: 5.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ミッシュマッシュ	近藤颯（愛知）	実6.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場18走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／前走3着）
前5走 05/20 名古屋5R 3着/11頭 05/05 名古屋4R 4着/10頭+0.6秒 04/20 名古屋12R 9着/12頭+0.8秒 04/08 名古屋7R 7着/11頭+2.0秒 03/23 名古屋7R 2着/11頭+0.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 15.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ユアマイスター推奨	大畑慧（愛知）	実8.6	○詳細▼	期待値プラスでAIの推し馬（前走2着で力を示す／適度な間隔で状態万全）
前5走 05/20 名古屋8R 2着/10頭 05/05 名古屋12R 11着/12頭+2.6秒 04/20 名古屋12R 2着/12頭+0.0秒 04/08 名古屋7R 11着/11頭+2.9秒 03/25 名古屋2R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 14.9% (オッズ暗示: 11.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	メイショウクレピス	塚本征（愛知）	実7.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率28%）
前5走 05/20 名古屋5R 4着/11頭 04/20 名古屋8R 2着/12頭+0.1秒 04/08 名古屋3R 5着/11頭+1.6秒 03/23 名古屋7R 7着/11頭+1.8秒 02/25 名古屋3R 7着/11頭+1.7秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 3.7着 △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 12走で勝率 8% ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 12.1% (オッズ暗示: 12.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	フェイントライト	木之葵（愛知）	実24.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率0%と苦戦傾向）
前5走 05/20 名古屋7R 4着/11頭+0.0秒 05/05 名古屋6R 11着/12頭+3.7秒 04/08 名古屋12R 6着/12頭+1.9秒 03/24 名古屋8R 8着/12頭+1.2秒 03/10 名古屋9R 5着/10頭+0.6秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) △ 距離適性同距離 13走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +122% (市場が大幅過小評価) AI 予想勝率 9.1% (オッズ暗示: 4.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 10 ユアマイスター実8.6倍期待値 +95% 200円 ❌不的中5着
馬連 6-10 実11.9倍期待値 +97% 200円 ❌不的中6番(3着)-10番(5着)

B. 市場除外+キャリブ

単勝 5 フェリスナビダ実16.3倍期待値 +265% 400円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

1R 園田競馬場ダート1400m　発走 10:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマートレイヴ	田野豊（兵庫）	実2.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同馬場状態で勝率33%）
前5走 05/15 園田4R 4着/9頭+0.9秒 04/29 園田4R 3着/10頭+0.2秒 04/08 園田2R 7着/9頭+1.8秒 03/26 園田2R 3着/10頭+1.7秒 01/02 園田7R 6着/12頭+1.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 21走で勝率 10% ◎ 馬場適性同馬場 6走で勝率 33% ○ 騎手近50戦勝率 16% ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 41.9% (オッズ暗示: 43.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ダリ	高橋洸（兵庫）	実50.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場54走で勝率2%と苦戦傾向／同距離帯は47走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/15 園田3R 8着/8頭+2.7秒 04/30 園田1R 8着/9頭+3.7秒 04/14 園田4R 8着/12頭+2.0秒 03/25 園田3R 10着/12頭+1.9秒 01/02 園田5R 12着/12頭+1.2秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 54走で勝率 2% (苦戦) ▽ 距離適性同距離は 47走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	サニイアール	笹田知（兵庫）	実2.7	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場19走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し）
前5走 04/15 園田2R 4着/10頭+1.2秒 03/26 園田3R 7着/10頭+1.6秒 11/11 園田10R 7着/10頭+2.1秒 10/23 園田7R 5着/10頭+0.8秒 10/03 園田7R 4着/10頭+0.7秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 16.3% (オッズ暗示: 37.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	エピックデイ	佐々世（兵庫）	実9.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均8.0着と低調）
前5走 05/13 園田2R 8着/9頭+1.7秒 04/23 園田2R 7着/10頭+2.6秒 03/31 園田6R 9着/12頭+2.3秒 12/30 園田4R 4着/10頭+0.2秒 12/10 園田5R 8着/12頭+1.5秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 19走で勝率 5% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 10.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	カドフィール	大山真（兵庫）	実16.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場26走で勝率0%と苦戦傾向／同距離帯は24走で勝ち無し）
前5走 05/20 園田1R 5着/7頭 05/05 園田2R 8着/10頭+3.0秒 04/22 園田7R 8着/9頭+1.7秒 04/09 園田2R 5着/8頭+1.9秒 03/25 園田1R 6着/9頭+1.4秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 4.2% (オッズ暗示: 6.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ガロ	南部楓（兵庫）	実30.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場52走で勝率4%と苦戦傾向／同距離帯は29走で勝ち無し）
前5走 05/21 園田1R 7着/10頭 03/31 園田1R 6着/10頭+1.0秒 03/17 園田1R 6着/10頭+1.5秒 01/14 園田1R 6着/12頭+1.0秒 12/29 園田4R 9着/12頭+1.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 52走で勝率 4% (苦戦) ▽ 距離適性同距離は 29走で勝ち無し △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 3.7% (オッズ暗示: 3.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ノブアンドホワイト	塩津璃（兵庫）	実5.9	○詳細▼	AI上位評価だが期待値不足、見送り（前走3着）
前5走 05/13 園田1R 3着/9頭+0.4秒 04/02 園田1R 2着/8頭+0.0秒 01/02 園田5R 11着/12頭+1.0秒 12/16 園田2R 9着/10頭+2.4秒 11/25 園田2R 10着/12頭+2.7秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 18走で勝率 6% △ 距離適性同距離 16走で勝率 6% ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 15.3% (オッズ暗示: 16.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ハシノオージャ	杉浦健（兵庫）	実50.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場56走で勝率4%と苦戦傾向／同距離帯は56走で勝ち無し）
前5走 05/15 園田4R 8着/9頭+1.9秒 04/30 園田1R 3着/9頭+2.6秒 04/16 園田1R 4着/10頭+0.9秒 03/26 園田2R 6着/10頭+2.4秒 01/07 園田1R 5着/10頭+2.0秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 56走で勝率 4% (苦戦) ▽ 距離適性同距離は 56走で勝ち無し ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ドリームチェイサー	小谷哲（兵庫）	実75.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場43走で勝率2%と苦戦傾向／同距離帯は32走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/21 園田1R 5着/10頭+1.0秒 05/07 園田1R 10着/10頭+2.8秒 04/30 園田2R 9着/9頭+2.3秒 04/16 園田2R 8着/10頭+2.5秒 04/01 園田1R 9着/10頭+3.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 43走で勝率 2% (苦戦) ▽ 距離適性同距離は 32走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +57% (市場が大幅過小評価) AI 予想勝率 2.1% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	エイシンバーマン	長尾翼（兵庫）	実23.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場23走で勝率4%と苦戦傾向／同距離帯は5走で勝ち無し／同馬場状態で勝率33%）
前5走 05/21 園田2R 7着/9頭 05/05 園田3R 5着/10頭+1.5秒 04/21 園田5R 12着/12頭+2.9秒 03/31 園田6R 12着/12頭+3.0秒 03/17 園田12R 11着/12頭+1.2秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 23走で勝率 4% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 3.5% (オッズ暗示: 4.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 10 エイシンバーマン実23.6倍期待値 +86% 100円 ❌不的中6着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

2R 園田競馬場ダート1400m　発走 11:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イマジンレノン	吉村智（兵庫）	実3.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場7走で勝率43%と適性高／同距離帯7走で勝率43%／直近3走で勝率67%と好調）
前5走 05/20 園田7R 3着/10頭 01/07 園田4R 1着/10頭勝利 12/23 園田3R 1着/10頭勝利 06/25 園田4R 1着/10頭勝利 06/06 園田4R 2着/12頭+0.5秒
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 7走で勝率 43% (得意) ◎ 距離適性同距離 7走で勝率 43% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -68% (大幅な期待値マイナス) AI 予想勝率 9.9% (オッズ暗示: 31.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	オビディアント	下原理（兵庫）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場20走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 05/14 園田2R 4着/9頭+0.7秒 04/29 園田5R 9着/10頭+3.0秒 04/09 園田6R 6着/8頭+0.7秒 03/25 園田1R 2着/9頭+0.0秒 01/14 園田3R 3着/12頭+0.6秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 6.9% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	シュトレームング	高橋洸（兵庫）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 05/13 園田2R 4着/9頭+0.5秒 04/23 園田1R 5着/10頭+0.7秒 04/02 園田3R 4着/8頭+0.7秒 01/02 園田4R 8着/12頭+2.4秒 12/17 園田2R 5着/10頭+0.7秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	メリーゴーラウンド	小谷周（兵庫）	実3.2	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率0%と苦戦傾向）
前5走 05/21 園田7R 6着/10頭+0.0秒 05/06 園田8R 9着/10頭+2.6秒 04/21 園田3R 8着/9頭+2.5秒 04/08 園田8R 10着/10頭+5.8秒 03/25 園田6R 12着/12頭+2.0秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 13走で勝率 8% × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 11.3% (オッズ暗示: 31.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ワイワイウォリアー	杉浦健（兵庫）	実3.2	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場28走で勝率4%と苦戦傾向／直近3走平均8.7着と低調）
前5走 05/22 園田2R 8着/10頭 05/05 園田6R 10着/10頭+4.1秒 04/21 園田2R 8着/9頭+2.3秒 04/14 園田3R 8着/9頭+2.8秒 04/01 園田7R 9着/10頭+2.0秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 28走で勝率 4% (苦戦) △ 距離適性同距離 33走で勝率 6% × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 7.8% (オッズ暗示: 31.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アンフィニレイス	新庄海（兵庫）	実3.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/20 園田7R 5着/10頭 04/30 園田3R 3着/9頭+0.6秒 04/15 園田3R 5着/10頭+2.3秒 04/01 園田6R 4着/10頭+0.9秒 03/19 園田5R 3着/12頭+0.8秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 38走で勝率 8% △ 距離適性同距離 31走で勝率 10% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 31.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ニシノウインド推奨	竹村達（兵庫）	推定—	×詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 05/22 園田1R 4着/10頭+0.0秒 05/07 園田5R 7着/12頭+2.3秒 04/30 園田2R 5着/9頭+0.4秒 01/15 園田5R 10着/12頭+1.4秒 12/31 園田5R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 43走で勝率 7% △ 距離適性同距離 20走で勝率 10% × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 21.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	メイショウマサカリ	南部楓（兵庫）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 04/14 園田3R 9着/9頭+3.9秒 12/29 園田7R 7着/7頭+1.4秒 12/18 園田6R 6着/10頭+1.1秒 11/25 園田1R 1着/12頭勝利 11/11 園田3R 8着/10頭+1.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 35走で勝率 9% △ 距離適性同距離 33走で勝率 9% × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.7% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	メイショウコウラン	土方颯（兵庫）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/15 園田8R 9着/11頭+1.2秒 04/29 園田5R 7着/10頭+2.6秒 04/14 園田6R 4着/12頭+0.4秒 03/25 園田4R 2着/11頭+0.4秒 01/07 園田5R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 29走で勝率 17% (相性良) ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.4% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	シュライフェ	塩津璃（兵庫）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/21 園田7R 9着/10頭 05/06 園田3R 9着/10頭+1.7秒 04/23 園田2R 6着/10頭+1.7秒 04/07 園田2R 9着/10頭+2.9秒 03/24 園田6R 10着/10頭+2.5秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 10.8% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 7 ニシノウインド実26.3倍期待値 +367% 300円 ❌不的中2着
馬連 1-7 実14.2倍期待値 +98% 100円 🎯的中1番(1着)-7番(2着)1,650円

B. 市場除外+キャリブ

単勝 7 ニシノウインド実26.3倍期待値 +201% 100円 ❌不的中2着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 園田競馬場ダート1400m　発走 11:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マソラ	南部楓（兵庫）	実26.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 6.4% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	テルウッドテール	佐々世（兵庫）	実16.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 期待値 (オッズ vs AI勝率) +41% (妙味あり) AI 予想勝率 8.8% (オッズ暗示: 6.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ベルディエス	廣瀬航（兵庫）	実5.8	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 騎手近50戦勝率 20% (好調) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 14.9% (オッズ暗示: 17.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ヤクモヴィーナス	竹村達（兵庫）	実1.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 50.0% (オッズ暗示: 76.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	コパノエドシリーズ	吉村智（兵庫）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率32%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 騎手近50戦勝率 32% (好調) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 19.9% (オッズ暗示: 23.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 2 テルウッドテール実16.0倍期待値 +74% 100円 ❌不的中
3連複 1-3-5 実11.0倍期待値 +150% 300円 ❌不的中1番(-)-3番(2着)-5番(3着)

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 園田競馬場ダート820m　発走 12:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヤマイチラブリー	長尾翼（兵庫）	実45.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調／前走2着）
前5走 05/15 園田5R 2着/10頭+0.1秒 04/23 園田4R 12着/12頭+1.7秒 03/31 園田6R 11着/12頭+2.6秒 03/17 園田12R 12着/12頭+1.3秒 01/02 園田5R 1着/12頭勝利
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 40走で勝率 8% △ 距離適性同距離 36走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 19日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 2.9% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	モルドワイン	高畑皓（兵庫）	実241.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場23走で勝率0%と苦戦傾向／293日ぶりの実戦）
前5走 08/14 園田3R 7着/10頭+2.3秒 07/23 園田2R 5着/10頭+2.9秒 07/03 園田3R 6着/10頭+1.0秒 06/04 園田1R 7着/9頭+1.6秒 05/16 園田2R 5着/7頭+2.5秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 23走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 293日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +118% (市場が大幅過小評価) AI 予想勝率 0.9% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ピーチクパーチク	小谷周（兵庫）	実38.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場35走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／176日ぶりの実戦）
前5走 12/09 園田6R 5着/12頭+0.6秒 11/25 園田12R 5着/12頭+1.0秒 11/12 園田12R 9着/12頭+1.9秒 10/24 園田1R 9着/12頭+1.8秒 10/08 園田6R 2着/12頭+0.8秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 35走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ ローテーション 176日休養明け △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 2.8% (オッズ暗示: 2.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	フェスティヴルキナ	竹村達（兵庫）	実33.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走2着）
前5走 05/15 園田2R 2着/10頭+0.5秒 04/28 園田5R 3着/12頭+0.5秒 04/14 園田4R 6着/12頭+1.3秒 03/26 園田6R 9着/10頭+1.5秒 10/09 園田6R 6着/12頭+2.2秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 3.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ワールドペコ	塩津璃（兵庫）	実22.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.0着と低調）
前5走 05/15 園田5R 7着/10頭+0.3秒 05/06 園田4R 12着/12頭+1.1秒 04/23 園田4R 5着/12頭+1.0秒 04/01 園田4R 7着/11頭+2.3秒 03/17 園田12R 6着/12頭+0.8秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 35走で勝率 11% △ 距離適性同距離 18走で勝率 11% ○ ローテーション 19日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 6.5% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	アレナトーレ	小谷哲（兵庫）	実1.8	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯4走で勝率25%／直近3走で勝率33%と好調／147日ぶりの実戦）
前5走 01/07 園田5R 4着/12頭+0.8秒 12/24 園田6R 1着/12頭勝利 12/02 園田12R 2着/12頭+0.9秒 08/22 園田12R 2着/12頭+0.6秒 07/23 園田1R 8着/12頭+1.3秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ◎ 距離適性同距離 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 147日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 39.3% (オッズ暗示: 55.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	エイラク	高橋洸（兵庫）	実2.4	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着）
前5走 05/21 園田6R 2着/12頭 05/06 園田8R 7着/10頭+2.0秒 04/15 園田6R 8着/12頭+1.2秒 04/01 園田9R 11着/12頭+1.5秒 10/17 園田12R 12着/12頭+1.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 15走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 18.2% (オッズ暗示: 41.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	フィーユチャン	土方颯（兵庫）	実90.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／前走3着）
前5走 05/15 園田2R 3着/10頭+0.9秒 03/25 園田3R 7着/12頭+1.3秒 12/30 園田8R 8着/10頭+4.4秒 11/27 園田7R 10着/12頭+2.3秒 11/13 園田9R 9着/10頭+4.3秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 19日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 1.6% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ホワイトニング	新庄海（兵庫）	実284.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場61走で勝率0%と苦戦傾向／同距離帯は25走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/15 園田2R 9着/10頭+2.2秒 04/28 園田5R 10着/12頭+1.9秒 04/07 園田5R 9着/12頭+1.2秒 03/17 園田4R 9着/12頭+2.0秒 01/14 園田4R 9着/12頭+2.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 61走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し ○ ローテーション 19日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +91% (市場が大幅過小評価) AI 予想勝率 0.7% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	リベリューラ	南部楓（兵庫）	実17.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/15 園田5R 10着/10頭+0.7秒 04/28 園田12R 8着/12頭+1.1秒 04/07 園田5R 3着/12頭+0.5秒 03/25 園田4R 10着/11頭+1.9秒 11/11 園田5R 5着/12頭+1.1秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 19日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +67% (市場が大幅過小評価) AI 予想勝率 9.7% (オッズ暗示: 5.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ユウバエ	佐々世（兵庫）	実14.9	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場53走で勝率2%と苦戦傾向／同距離帯は12走で勝ち無し／同馬場状態で勝率33%）
前5走 05/15 園田5R 6着/10頭+0.3秒 04/29 園田5R 8着/10頭+3.0秒 04/14 園田6R 7着/12頭+0.7秒 03/25 園田3R 2着/12頭+0.3秒 01/07 園田1R 4着/10頭+0.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 53走で勝率 2% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ○ ローテーション 19日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +52% (市場が大幅過小評価) AI 予想勝率 10.2% (オッズ暗示: 6.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	クリノコウテイ	山本咲（兵庫）	実22.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率0%と苦戦傾向／前走3着）
前5走 05/15 園田5R 3着/10頭+0.2秒 04/23 園田1R 6着/10頭+0.9秒 04/01 園田4R 6着/11頭+2.3秒 01/02 園田12R 11着/12頭+2.6秒 12/10 園田5R 12着/12頭+1.7秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 4.2% (オッズ暗示: 4.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 12 クリノコウテイ実22.2倍期待値 +320% 300円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 園田競馬場ダート1230m　発走 12:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラインポーチュラカ	川原正（兵庫）	実116.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/22 園田9R 10着/11頭+1.0秒 05/05 園田8R 9着/10頭+1.3秒 04/30 園田7R 5着/10頭+1.4秒 04/08 園田4R 7着/10頭+1.4秒 03/17 園田3R 1着/9頭勝利
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 9走で勝率 11% ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +297% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ナチュラル	大山真（兵庫）	実3.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 05/14 園田6R 5着/9頭+1.0秒 04/15 園田4R 9着/12頭+1.1秒 03/17 園田5R 6着/12頭+1.8秒 01/03 園田5R 1着/12頭勝利 12/24 園田6R 6着/12頭+1.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 33走で勝率 6% △ 距離適性同距離 24走で勝率 8% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 21.1% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アンジェラ	塩津璃（兵庫）	実120.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場56走で勝率2%と苦戦傾向／直近3走平均10.0着と低調）
前5走 05/21 園田5R 11着/12頭 04/29 園田1R 9着/10頭+4.1秒 04/07 園田5R 10着/12頭+2.1秒 03/17 園田4R 11着/12頭+2.5秒 01/08 園田4R 9着/10頭+1.9秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 56走で勝率 2% (苦戦) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 0.9% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	テイケイアンジェ	廣瀬航（兵庫）	実3.8	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率20%）
前5走 05/21 園田10R 3着/12頭+2.0秒 04/29 園田4R 1着/10頭勝利 04/09 園田2R 4着/8頭+1.5秒 03/24 園田4R 7着/10頭+2.1秒 01/15 園田5R 11着/12頭+1.4秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 48走で勝率 17% (相性良) ○ 距離適性同距離 19走で勝率 21% ○ 馬場適性同馬場 10走で勝率 20% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 14.4% (オッズ暗示: 26.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	センドネージュ	永井孝（兵庫）	実84.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し）
前5走 05/14 園田6R 8着/9頭+1.6秒 04/29 園田6R 7着/8頭+2.6秒 04/15 園田4R 8着/12頭+0.9秒 03/25 園田5R 5着/11頭+1.3秒 01/07 園田4R 6着/10頭+1.2秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 2.0% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	リュウノヒナコ	佐々世（兵庫）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率40%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/06 園田4R 1着/12頭勝利 04/23 園田3R 2着/11頭+0.4秒 01/07 園田3R 5着/10頭+0.4秒 12/24 園田6R 4着/12頭+1.5秒 12/02 園田12R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 42走で勝率 14% △ 距離適性同距離 12走で勝率 8% ◎ 馬場適性同馬場 5走で勝率 40% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 19.2% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ヘルミオーネ	田野豊（兵庫）	実26.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は6走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/22 園田6R 7着/8頭 04/29 園田6R 8着/8頭+3.4秒 04/15 園田4R 11着/12頭+1.4秒 03/31 園田3R 1着/12頭勝利 01/02 園田5R 9着/12頭+0.7秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 36走で勝率 11% ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% 🌟◎ 期待値 (オッズ vs AI勝率) +117% (市場が大幅過小評価) AI 予想勝率 8.2% (オッズ暗示: 3.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ハイライフ推奨	小谷哲（兵庫）	実36.5	△詳細▼	市場が大きく過小評価、AI予想勝率7% × オッズ36.5倍で期待値+139%の有力候補（適度な間隔で状態万全）
前5走 05/14 園田6R 6着/9頭+1.3秒 04/29 園田3R 5着/8頭+0.8秒 04/16 園田8R 8着/8頭+2.1秒 03/31 園田8R 7着/10頭+2.0秒 03/19 園田8R 6着/9頭+2.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 27走で勝率 4% (苦戦) △ 距離適性同距離 12走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +139% (市場が大幅過小評価) AI 予想勝率 6.6% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ジーティーパール	高畑皓（兵庫）	実56.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向）
前5走 05/20 園田5R 10着/12頭 05/04 園田2R 3着/7頭+1.4秒 04/22 園田5R 7着/11頭+1.2秒 04/09 園田4R 6着/10頭+1.4秒 03/25 園田8R 6着/10頭+0.7秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +78% (市場が大幅過小評価) AI 予想勝率 3.2% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	スミレブーケ	新庄海（兵庫）	実116.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向）
前5走 05/22 園田1R 7着/10頭 05/07 園田1R 5着/10頭+1.8秒 04/16 園田1R 5着/10頭+1.1秒 04/02 園田1R 4着/8頭+1.3秒 03/18 園田5R 11着/12頭+2.6秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 12走で勝率 0% (苦戦) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	クリノイザナミ	笹田知（兵庫）	実6.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/13 園田6R 7着/8頭+2.0秒 04/30 園田5R 8着/12頭+1.3秒 08/19 浦和2R 6着/11頭+0.9秒 02/24 浦和3R 12着/12頭+5.3秒 ―
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) ○ 騎手近50戦勝率 14% ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 10.4% (オッズ暗示: 14.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	バイカル	南部楓（兵庫）	実5.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は4走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/13 園田6R 6着/8頭+0.5秒 04/14 園田6R 1着/12頭勝利 03/17 園田12R 3着/12頭+0.2秒 01/14 園田5R 9着/12頭+1.4秒 01/03 園田9R 10着/12頭+1.0秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 22走で勝率 9% ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 10.0% (オッズ暗示: 19.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 8 ハイライフ実36.5倍期待値 +240% 100円 ❌不的中

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

6R 園田競馬場ダート1400m　発走 13:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ミュークルノン	松木大（兵庫）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／前走3着）
前5走 05/06 園田6R 3着/8頭+0.6秒 04/16 園田5R 4着/12頭+2.4秒 04/01 園田2R 6着/10頭+2.7秒 03/18 園田4R 10着/12頭+3.3秒 08/01 園田2R 8着/11頭+1.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.5% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	スマイルゼウス	永井孝（兵庫）	実59.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/21 園田3R 10着/10頭+1.0秒 04/23 園田5R 12着/12頭+4.6秒 01/15 園田2R 8着/11頭+1.7秒 12/29 園田5R 10着/12頭+3.4秒 11/25 園田3R 8着/8頭+3.7秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +143% (市場が大幅過小評価) AI 予想勝率 4.1% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ホンキトカイテマジ推奨	山本太（兵庫）	実11.9	▲詳細▼	期待値プラスでAIの推し馬（市場想定よりAI評価が高く妙味）
前5走 05/22 園田4R 5着/8頭+0.0秒 05/04 園田4R 4着/10頭+0.4秒 04/21 園田8R 6着/7頭+1.6秒 03/31 園田4R 3着/12頭+0.6秒 03/17 園田9R 3着/11頭+0.8秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 8.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	プレザンハーバー	井上幹（兵庫）	実27.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 05/14 園田9R 7着/8頭+2.7秒 04/23 園田8R 8着/9頭+3.5秒 03/25 園田10R 8着/9頭+3.4秒 01/08 園田5R 9着/12頭+1.4秒 12/29 園田6R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 3.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	マジックエミリア	廣瀬航（兵庫）	実10.8	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／騎手は近50戦で勝率20%）
前5走 05/20 園田9R 9着/12頭 04/23 園田8R 6着/9頭+2.0秒 03/26 園田11R 6着/8頭+2.3秒 01/15 園田8R 3着/9頭+0.6秒 12/29 園田6R 7着/12頭+1.4秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 10.3% (オッズ暗示: 9.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ジョコーソ	吉村智（兵庫）	実1.3	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場10走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／騎手は近50戦で勝率30%）
前5走 05/06 園田11R 10着/11頭+4.0秒 01/08 園田5R 5着/12頭+0.8秒 12/25 園田4R 2着/11頭+0.3秒 12/03 園田4R 2着/12頭+0.3秒 11/18 園田4R 4着/12頭+0.4秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ◎ 騎手近50戦勝率 30% (好調) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 32.9% (オッズ暗示: 76.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	カネトシクラッチ	高橋洸（兵庫）	実8.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率0%と苦戦傾向／直近3走平均8.3着と低調／146日ぶりの実戦）
前5走 01/08 園田5R 10着/12頭+2.0秒 12/25 園田4R 5着/11頭+0.8秒 12/04 園田4R 10着/12頭+1.5秒 11/18 園田4R 8着/12頭+1.4秒 10/24 園田5R 8着/11頭+1.5秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ ローテーション 146日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +71% (市場が大幅過小評価) AI 予想勝率 21.1% (オッズ暗示: 12.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	アサメシマエ	竹村達（兵庫）	実7.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場12走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走2着）
前5走 05/14 園田9R 2着/8頭+0.8秒 04/30 園田10R 7着/8頭+2.3秒 01/08 園田5R 3着/12頭+0.6秒 12/25 園田4R 7着/11頭+1.3秒 12/17 園田4R 3着/11頭+0.8秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 9.4% (オッズ暗示: 13.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	シルエッタ	長尾翼（兵庫）	実89.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/21 園田3R 9着/10頭 05/06 園田6R 5着/8頭+2.1秒 04/16 園田5R 8着/12頭+4.6秒 04/01 園田2R 9着/10頭+4.2秒 09/04 園田3R 9着/9頭+6.9秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +294% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	フルショット	渡瀬和（兵庫）	実73.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/21 園田3R 7着/10頭 05/06 園田6R 6着/8頭+2.3秒 04/22 園田4R 12着/12頭+5.1秒 04/07 園田3R 10着/10頭+3.7秒 03/24 園田2R 11着/11頭+3.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 3 ホンキトカイテマジ実11.9倍期待値 +54% 200円 ❌不的中

B. 市場除外+キャリブ

単勝 3 ホンキトカイテマジ実11.9倍期待値 +228% 600円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

7R 園田競馬場ダート1400m　発走 13:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タンバッフェ	松木大（兵庫）	実46.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/22 園田12R 12着/12頭 05/05 園田8R 4着/10頭+0.6秒 04/22 園田5R 9着/11頭+2.2秒 04/07 園田6R 2着/8頭+0.4秒 01/15 園田3R 4着/12頭+0.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 31走で勝率 13% △ 距離適性同距離 31走で勝率 13% ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	マジェンカ	田野豊（兵庫）	実17.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場26走で勝率4%と苦戦傾向／同距離帯は24走で勝ち無し）
前5走 05/05 園田8R 7着/10頭+1.1秒 04/22 園田1R 4着/12頭+0.4秒 03/31 園田7R 4着/9頭+1.4秒 01/15 園田3R 5着/12頭+0.8秒 12/30 園田6R 8着/12頭+0.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 6.5% (オッズ暗示: 5.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	アラタマオーソ	廣瀬航（兵庫）	実52.2	×詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率20%）
前5走 05/14 園田4R 6着/10頭+1.8秒 04/30 園田7R 7着/10頭+1.5秒 04/09 園田4R 5着/10頭+1.3秒 03/18 園田3R 9着/10頭+0.9秒 12/30 園田4R 6着/10頭+0.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 11走で勝率 9% ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 1.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	シャッタースピード	井上幹（兵庫）	実32.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/07 園田3R 10着/10頭+3.9秒 04/09 園田4R 9着/10頭+2.4秒 12/30 園田6R 10着/12頭+0.9秒 12/09 園田3R 9着/10頭+1.9秒 11/19 園田6R 10着/12頭+1.1秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 3.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	メメニシコリ	吉村智（兵庫）	実37.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場44走で勝率5%と苦戦傾向／同距離帯は42走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/13 園田4R 8着/10頭+2.0秒 04/21 園田1R 1着/10頭勝利 04/09 園田2R 7着/8頭+2.1秒 03/24 園田3R 8着/10頭+2.1秒 01/14 園田1R 2着/12頭+0.6秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 44走で勝率 5% (苦戦) ▽ 距離適性同距離は 42走で勝ち無し ◎ 騎手近50戦勝率 32% (好調) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 2.3% (オッズ暗示: 2.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	サインポール	大山真（兵庫）	実12.8	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 園田4R 5着/10頭+1.8秒 04/28 園田6R 5着/10頭+1.1秒 04/14 園田3R 4着/9頭+1.9秒 04/02 園田5R 9着/10頭+2.7秒 08/27 園田9R 6着/10頭+1.5秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 33走で勝率 6% △ 距離適性同距離 21走で勝率 10% ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 8.7% (オッズ暗示: 7.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	リスキーウィスキー推奨	長尾翼（兵庫）	実10.8	▲詳細▼	期待値プラスでAIの推し馬（直近3走勝率33%と上り調子／前走3着で力を示す／適度な間隔で状態万全）
前5走 05/13 園田4R 3着/10頭+1.0秒 04/22 園田7R 1着/9頭勝利 04/01 園田1R 3着/10頭+0.7秒 01/07 園田4R 5着/10頭+0.5秒 12/16 園田3R 6着/10頭+1.1秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 49走で勝率 6% △ 距離適性同距離 30走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 6.5% (オッズ暗示: 9.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	ムーンセット	渡瀬和（兵庫）	実19.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向／直近3走で勝率33%と好調）
前5走 05/13 園田4R 7着/10頭+1.9秒 04/22 園田1R 6着/12頭+0.8秒 03/31 園田1R 1着/10頭勝利 01/02 園田1R 12着/12頭+4.3秒 12/18 園田1R 10着/10頭+2.0秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 22走で勝率 5% (苦戦) △ 距離適性同距離 16走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +54% (市場が大幅過小評価) AI 予想勝率 8.0% (オッズ暗示: 5.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	スマートイザナミ	杉浦健（兵庫）	実1.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/13 園田3R 1着/9頭勝利 04/14 園田2R 2着/10頭+0.0秒 12/17 園田8R 3着/9頭+1.1秒 11/26 園田12R 5着/10頭+1.1秒 11/03 園田5R 3着/10頭+1.6秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 5走で勝率 20% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 43.8% (オッズ暗示: 76.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	クルシファー	佐々世（兵庫）	実9.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場23走で勝率4%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 05/20 園田5R 9着/12頭+1.0秒 05/04 園田9R 2着/7頭+0.7秒 04/21 園田2R 6着/9頭+1.3秒 04/07 園田6R 4着/8頭+1.1秒 03/24 園田7R 9着/10頭+1.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 23走で勝率 4% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +84% (市場が大幅過小評価) AI 予想勝率 20.2% (オッズ暗示: 11.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 7 リスキーウィスキー実10.8倍期待値 +35% 100円 ❌不的中

B. 市場除外+キャリブ

単勝 10 クルシファー実9.1倍期待値 +-31% 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

8R 園田競馬場ダート1870m　発走 14:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スマートエクシード	田野豊（兵庫）	実13.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／前走2着）
前5走 05/06 園田9R 2着/6頭+0.8秒 04/07 園田9R 5着/9頭+1.3秒 12/31 園田9R 5着/9頭+0.9秒 12/09 園田11R 8着/12頭+2.4秒 11/20 園田10R 6着/9頭+1.1秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 17走で勝率 6% ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 12.2% (オッズ暗示: 7.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	グローリアスキング	土方颯（兵庫）	実25.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向／直近3走平均8.7着と低調）
前5走 05/14 園田12R 8着/12頭+2.0秒 04/28 園田10R 11着/11頭+3.4秒 04/14 園田8R 7着/8頭+2.0秒 04/02 園田12R 11着/12頭+2.3秒 12/31 大井8R 12着/14頭+2.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 3.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	イスキオス	笹田知（兵庫）	実1.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/06 園田9R 1着/6頭勝利 04/14 園田12R 3着/12頭+1.4秒 03/19 園田8R 1着/9頭勝利 ― ―
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 38.0% (オッズ暗示: 58.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ハローエンジェル推奨	小谷周（兵庫）	実9.6	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+38%の妙味（直近3走勝率100%と絶好調／前走勝利の勢い継続）
前5走 04/28 園田6R 1着/10頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 14.4% (オッズ暗示: 10.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	クラシカルカイザー	小牧太（兵庫）	実2.8	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率75%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/04 園田8R 1着/5頭勝利 01/15 園田9R 1着/8頭勝利 12/29 園田10R 2着/11頭+0.1秒 12/03 園田7R 1着/10頭勝利 ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 4走で勝率 75% (得意) ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 21.9% (オッズ暗示: 35.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	メテオレーナ	廣瀬航（兵庫）	実29.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／騎手は近50戦で勝率20%）
前5走 05/22 園田10R 4着/11頭 04/29 園田12R 2着/12頭+0.3秒 01/13 園田5R 1着/10頭勝利 12/29 園田9R 2着/8頭+0.6秒 12/10 園田8R 5着/10頭+0.5秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 3.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	アンデルマット	塩津璃（兵庫）	実12.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 05/21 園田8R 5着/7頭 05/05 園田5R 4着/10頭+0.4秒 04/16 園田9R 1着/8頭勝利 04/01 園田8R 2着/10頭+0.7秒 03/19 園田8R 5着/9頭+1.0秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 15走で勝率 20% (相性良) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 7.8% (オッズ暗示: 7.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 4 ハローエンジェル実9.6倍期待値 +55% 100円 ❌不的中

B. 市場除外+キャリブ

単勝 4 ハローエンジェル実9.6倍期待値 +176% 500円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 園田競馬場ダート1400m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブルーシャトー	井上幹（兵庫）	実88.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／直近3走平均10.7着と低調）
前5走 05/20 園田6R 12着/12頭+7.0秒 05/05 園田12R 10着/11頭+3.0秒 04/15 園田10R 10着/10頭+4.1秒 03/31 園田12R 12着/12頭+5.9秒 01/07 園田11R 9着/10頭+4.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 15走で勝率 7% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +92% (市場が大幅過小評価) AI 予想勝率 2.2% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ユイノオトコヤマ	田野豊（兵庫）	実16.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場18走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 05/20 園田8R 5着/6頭 05/06 園田5R 5着/10頭+1.4秒 04/16 園田8R 5着/8頭+1.2秒 04/01 園田7R 3着/10頭+0.2秒 03/19 園田7R 4着/9頭+1.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 16% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -51% (大幅な期待値マイナス) AI 予想勝率 2.9% (オッズ暗示: 6.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ナリタボニー	南部楓（兵庫）	実10.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/15 園田7R 1着/10頭勝利 04/29 園田3R 6着/8頭+0.8秒 04/08 園田4R 5着/10頭+1.2秒 03/18 園田3R 6着/10頭+0.5秒 12/31 園田2R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 10.3% (オッズ暗示: 10.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ミキヨウッドテール	塩津璃（兵庫）	実7.3	○詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率50%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/22 園田9R 1着/11頭 05/04 園田9R 1着/7頭勝利 04/21 園田5R 7着/12頭+1.5秒 04/07 園田12R 4着/12頭+0.3秒 03/24 園田4R 3着/10頭+0.3秒
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 10走で勝率 20% ◎ 馬場適性同馬場 4走で勝率 50% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 11.3% (オッズ暗示: 13.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	セイパレル	新庄海（兵庫）	実18.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向）
前5走 05/14 園田7R 8着/10頭+1.4秒 01/03 園田12R 7着/11頭+1.0秒 12/09 園田11R 6着/12頭+2.1秒 11/18 園田5R 8着/12頭+1.3秒 10/23 園田9R 6着/12頭+2.1秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) △ 距離適性同距離 18走で勝率 6% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 2.7% (オッズ暗示: 5.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	ビカムキング	笹田知（兵庫）	実6.4	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/13 園田5R 7着/10頭+2.7秒 04/23 園田7R 3着/12頭+0.2秒 03/31 園田9R 5着/9頭+1.4秒 05/22 園田7R 2着/10頭+0.1秒 05/01 園田4R 1着/8頭勝利
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ○ 騎手近50戦勝率 16% ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 15.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	オールザレイジ	川原正（兵庫）	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均2.7着と安定）
前5走 05/15 園田9R 3着/10頭+0.6秒 04/21 園田3R 2着/9頭+0.2秒 03/31 園田9R 3着/9頭+0.2秒 12/16 園田4R 4着/10頭+0.9秒 ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -35% (大幅な期待値マイナス) AI 予想勝率 16.6% (オッズ暗示: 25.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	エートルドゥエ	佐々世（兵庫）	実11.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.0着と安定／前走2着）
前5走 04/15 園田8R 2着/10頭+1.5秒 03/31 園田9R 2着/9頭+0.2秒 01/15 園田7R 2着/10頭+0.2秒 12/30 園田8R 5着/10頭+3.0秒 12/11 園田9R 8着/10頭+1.5秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.0着 (安定) △ 当競馬場適性 15走で勝率 13% ○ 距離適性同距離 11走で勝率 18% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 9.9% (オッズ暗示: 8.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	チェリースカヤ	高畑皓（兵庫）	実132.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/20 園田6R 11着/12頭+5.0秒 05/05 園田5R 10着/10頭+3.8秒 04/15 園田9R 10着/10頭+3.4秒 04/08 園田9R 12着/12頭+4.2秒 06/20 園田8R 5着/11頭+1.7秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +154% (市場が大幅過小評価) AI 予想勝率 1.9% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	クリノエニシ	廣瀬航（兵庫）	実2.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（前走2着）
前5走 05/04 園田3R 2着/8頭+0.1秒 12/31 園田8R 6着/10頭+2.4秒 12/11 園田12R 6着/12頭+1.7秒 11/27 園田8R 8着/9頭+3.2秒 11/05 園田5R 6着/12頭+1.7秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 9走で勝率 11% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 31.8% (オッズ暗示: 40.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 8 エートルドゥエ実11.3倍期待値 +229% 400円 ❌不的中3着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 園田競馬場ダート1400m　発走 15:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グランプリショット	竹村達（兵庫）	実547.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/21 園田9R 8着/8頭 05/05 園田10R 10着/11頭+2.6秒 04/30 園田8R 6着/6頭+4.8秒 04/15 園田12R 11着/12頭+4.9秒 04/02 園田10R 9着/10頭+4.6秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +207% (市場が大幅過小評価) AI 予想勝率 0.6% (オッズ暗示: 0.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	アグネスリュウ	山本太（兵庫）	実98.4	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/13 園田9R 4着/9頭+1.2秒 04/29 園田10R 2着/9頭+0.3秒 04/09 園田10R 4着/6頭+1.3秒 03/19 園田10R 7着/12頭+0.9秒 01/15 園田12R 6着/10頭+1.1秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.3着 ○ 当競馬場適性 27走で勝率 19% (相性良) △ 距離適性同距離 17走で勝率 12% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +205% (市場が大幅過小評価) AI 予想勝率 3.1% (オッズ暗示: 1.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ウイングスオール	笹田知（兵庫）	実13.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯11走で勝率27%／前走3着）
前5走 04/28 園田10R 3着/11頭+0.3秒 04/02 園田12R 5着/12頭+0.4秒 01/02 園田10R 3着/11頭+1.3秒 12/10 園田10R 5着/12頭+1.1秒 09/03 園田10R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 14走で勝率 21% (相性良) ◎ 距離適性同距離 11走で勝率 27% ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 2.8% (オッズ暗示: 7.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ブルーデイジー	佐々世（兵庫）	実76.4	▲詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 🌟◎ 期待値 (オッズ vs AI勝率) +306% (市場が大幅過小評価) AI 予想勝率 5.3% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	キーチファイター	杉浦健（兵庫）	実44.9	▲詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均3.0着と安定／前走2着）
前5走 05/13 園田9R 2着/9頭+1.0秒 04/14 園田8R 4着/8頭+0.7秒 03/25 園田12R 3着/12頭+0.1秒 01/07 園田7R 1着/10頭勝利 12/16 園田4R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +414% (市場が大幅過小評価) AI 予想勝率 11.5% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	エスオーライジング	小谷哲（兵庫）	実404.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場14走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 05/20 園田10R 5着/11頭 05/05 園田10R 9着/11頭+2.2秒 04/29 園田11R 9着/9頭+2.5秒 04/15 園田12R 9着/12頭+4.0秒 04/02 園田10R 8着/10頭+2.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +471% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	エポカリーナ	下原理（兵庫）	実1.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 05/13 園田12R 1着/10頭勝利 04/23 園田10R 1着/11頭勝利 04/01 園田8R 1着/10頭勝利 ― ―
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 41.0% (オッズ暗示: 66.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	セイウンダマシイ	南部楓（兵庫）	実457.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率0%と苦戦傾向／直近3走平均9.3着と低調）
前5走 05/05 園田10R 8着/11頭+2.2秒 04/22 園田11R 11着/12頭+2.3秒 11/03 園田8R 9着/10頭+3.0秒 10/23 園田11R 6着/8頭+2.2秒 10/09 園田8R 7着/7頭+3.7秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +365% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	タイラーテソーロ	渡瀬和（兵庫）	実507.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／直近3走平均11.3着と低調）
前5走 05/20 園田10R 11着/11頭 05/05 園田10R 11着/11頭+4.3秒 04/16 園田10R 12着/12頭+4.0秒 04/01 園田12R 10着/10頭+9.1秒 03/19 園田10R 12着/12頭+4.0秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 11.3着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +203% (市場が大幅過小評価) AI 予想勝率 0.6% (オッズ暗示: 0.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ナナン	小牧太（兵庫）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場11走で勝率36%と適性高／同距離帯11走で勝率36%／直近3走で勝率33%と好調）
前5走 04/22 園田12R 2着/11頭+0.0秒 04/02 園田12R 2着/12頭+0.1秒 12/25 園田9R 1着/12頭勝利 12/03 園田8R 1着/10頭勝利 11/12 園田6R 1着/10頭勝利
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 11走で勝率 36% (得意) ◎ 距離適性同距離 11走で勝率 36% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 17.4% (オッズ暗示: 30.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	マミエミモモタロー	吉村智（兵庫）	実6.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場13走で勝率38%と適性高／同距離帯10走で勝率40%／前走3着）
前5走 05/04 園田10R 3着/9頭+1.1秒 01/07 園田11R 5着/10頭+2.0秒 12/18 園田11R 9着/12頭+3.5秒 12/02 園田10R 3着/8頭+0.9秒 11/13 園田10R 6着/8頭+1.0秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 13走で勝率 38% (得意) ◎ 距離適性同距離 10走で勝率 40% ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 14.1% (オッズ暗示: 15.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	トップリーチ	大山真（兵庫）	実145.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（433日ぶりの実戦）
前5走 03/27 園田10R 6着/10頭+1.5秒 10/16 園田11R 3着/8頭+1.3秒 09/26 園田9R 4着/5頭+1.1秒 09/06 園田9R 7着/8頭+1.2秒 08/14 園田11R 5着/11頭+1.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 15走で勝率 7% △ ローテーション 433日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +70% (市場が大幅過小評価) AI 予想勝率 1.2% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 10 ナナン実3.3倍期待値 +-23% 100円 ❌不的中3着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 園田競馬場ダート1870m　発走 15:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	トランセンデンス	吉村智（兵庫）	実12.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率33%／直近3走平均2.7着と安定／前走2着）
前5走 05/15 園田10R 2着/9頭+0.3秒 04/14 園田11R 3着/9頭+0.2秒 03/18 園田11R 3着/10頭+0.4秒 12/24 園田9R 3着/9頭+1.3秒 12/03 園田11R 2着/10頭+0.9秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 2.7着 (安定) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 34% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 8.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	レイアンドダンス	廣瀬航（兵庫）	実10.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯10走で勝率30%／同馬場状態で勝率67%／直近3走で勝率67%と好調）
前5走 05/13 園田10R 1着/8頭勝利 04/23 園田11R 1着/9頭勝利 03/31 園田11R 3着/10頭+0.6秒 01/02 園田10R 9着/11頭+2.4秒 08/13 園田8R 3着/6頭+0.1秒
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 30走で勝率 23% (相性良) ◎ 距離適性同距離 10走で勝率 30% ◎ 馬場適性同馬場 3走で勝率 67% ○ 騎手近50戦勝率 18% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 8.9% (オッズ暗示: 9.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	トリプルスリル	大山真（兵庫）	実207.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/07 園田10R 5着/8頭+2.2秒 04/14 園田11R 7着/9頭+2.5秒 03/18 園田11R 8着/10頭+1.2秒 12/31 園田12R 4着/11頭+2.6秒 12/11 園田11R 11着/12頭+1.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 25走で勝率 12% △ 距離適性同距離 11走で勝率 9% ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +210% (市場が大幅過小評価) AI 予想勝率 1.5% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ライトピラー	田野豊（兵庫）	実2.2	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率50%と適性高／同距離帯5走で勝率80%／直近3走で勝率100%と好調）
前5走 05/15 園田10R 1着/9頭勝利 01/02 園田6R 1着/8頭勝利 12/04 園田12R 1着/12頭勝利 11/06 園田5R 1着/12頭勝利 10/08 園田7R 3着/10頭+0.4秒
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 12走で勝率 50% (得意) ◎ 距離適性同距離 5走で勝率 80% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 18.4% (オッズ暗示: 45.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	マダムホーク	下原理（兵庫）	実80.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 05/13 園田10R 5着/8頭+0.9秒 04/28 園田11R 6着/11頭+0.9秒 04/01 園田12R 2着/10頭+0.3秒 03/18 園田11R 6着/10頭+0.8秒 01/15 園田11R 5着/11頭+1.2秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 43走で勝率 14% ▽ 距離適性同距離は 3走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +182% (市場が大幅過小評価) AI 予想勝率 3.5% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	サトノシュトラーセ	佐々世（兵庫）	実2.2	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 38.8% (オッズ暗示: 45.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	サンライズウェーヴ	杉浦健（兵庫）	実126.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/07 園田10R 6着/8頭+2.2秒 04/14 園田11R 4着/9頭+0.2秒 03/18 園田11R 7着/10頭+1.0秒 09/18 名古屋10R 7着/11頭+2.7秒 ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +329% (市場が大幅過小評価) AI 予想勝率 3.4% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	イザグリーンライト	山本咲（兵庫）	実27.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 05/13 園田10R 2着/8頭+0.1秒 04/22 園田11R 6着/12頭+0.9秒 04/01 園田12R 8着/10頭+1.1秒 01/03 園田10R 1着/12頭勝利 12/18 園田11R 4着/12頭+1.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 25走で勝率 20% (相性良) ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 4.3% (オッズ暗示: 3.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ウインドケーヴ	川原正（兵庫）	実175.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%）
前5走 05/13 園田10R 4着/8頭+0.3秒 04/14 園田11R 8着/9頭+3.5秒 03/24 園田11R 10着/10頭+3.2秒 12/11 園田11R 8着/12頭+1.5秒 11/13 園田11R 12着/12頭+4.0秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) ○ 当競馬場適性 21走で勝率 24% (相性良) ◎ 馬場適性同馬場 3走で勝率 33% ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +442% (市場が大幅過小評価) AI 予想勝率 3.1% (オッズ暗示: 0.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	エナアニマル	小牧太（兵庫）	実7.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場16走で勝率38%と適性高／同距離帯8走で勝率38%／直近3走で勝率67%と好調）
前5走 05/13 園田10R 3着/8頭+0.1秒 03/31 園田11R 1着/10頭勝利 01/07 園田11R 1着/10頭勝利 12/09 園田7R 1着/7頭勝利 11/18 園田10R 6着/11頭+0.5秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 16走で勝率 38% (得意) ◎ 距離適性同距離 8走で勝率 38% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 10.7% (オッズ暗示: 13.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 8 イザグリーンライト実27.7倍期待値 +272% 200円 ❌不的中6着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 園田競馬場ダート1230m　発走 16:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ビーザラキエスト	高畑皓（兵庫）	実213.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／直近3走平均9.0着と低調）
前5走 05/22 園田12R 10着/12頭 05/07 園田8R 9着/9頭+4.3秒 04/15 園田9R 8着/10頭+1.6秒 03/31 園田12R 9着/12頭+2.8秒 ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +243% (市場が大幅過小評価) AI 予想勝率 1.6% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	イセベイ	南部楓（兵庫）	実42.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18走で勝率39%と適性高／同距離帯5走で勝率40%／直近3走で勝率33%と好調）
前5走 05/06 園田12R 12着/12頭+7.8秒 07/30 園田9R 1着/9頭勝利 07/11 園田12R 3着/11頭+0.4秒 06/19 園田8R 3着/11頭+0.5秒 05/30 園田7R 4着/8頭+0.5秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 18走で勝率 39% (得意) ◎ 距離適性同距離 5走で勝率 40% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +88% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 2.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	テイケイリノ	新庄海（兵庫）	実6.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯4走で勝率50%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/14 園田6R 1着/9頭勝利 04/30 園田4R 1着/11頭勝利 04/07 園田12R 3着/12頭+0.2秒 03/26 園田6R 4着/10頭+0.5秒 01/03 園田7R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 17走で勝率 18% (相性良) ◎ 距離適性同距離 4走で勝率 50% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 6.9% (オッズ暗示: 14.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ワンダーカラフル	高橋洸（兵庫）	実13.3	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯3走で勝率33%）
前5走 05/21 園田12R 8着/12頭 05/06 園田5R 3着/10頭+0.6秒 04/23 園田6R 3着/12頭+1.7秒 04/01 園田5R 10着/12頭+1.6秒 01/08 園田6R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 22走で勝率 14% ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 9.4% (オッズ暗示: 7.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	パッションプリマ	吉村智（兵庫）	実2.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均2.0着と安定）
前5走 05/22 園田7R 2着/8頭 04/29 園田7R 2着/8頭+0.1秒 04/14 園田5R 2着/12頭+1.5秒 03/24 園田8R 3着/10頭+0.5秒 01/02 園田8R 10着/12頭+3.2秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 2.0着 (安定) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 36% (好調) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 38.6% (オッズ暗示: 34.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	シロノクミキョク	塩津璃（兵庫）	実87.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場19走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 05/22 園田7R 5着/8頭 05/06 園田12R 3着/12頭+0.8秒 04/21 園田3R 6着/9頭+1.1秒 04/08 園田8R 6着/10頭+1.4秒 03/25 園田6R 8着/12頭+1.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ 騎手近50戦勝率 14% ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 1.5% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	キモンキャリントン	廣瀬航（兵庫）	実28.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は13走で勝ち無し／直近3走平均3.0着と安定）
前5走 05/14 園田5R 4着/10頭+1.4秒 04/29 園田6R 3着/8頭+0.9秒 04/08 園田7R 2着/10頭+0.7秒 03/18 園田5R 4着/12頭+1.2秒 01/15 園田5R 7着/12頭+0.8秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 23走で勝率 9% ▽ 距離適性同距離は 13走で勝ち無し ○ 騎手近50戦勝率 18% ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 5.9% (オッズ暗示: 3.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	キタノハヤブサ	竹村達（兵庫）	実239.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 05/22 園田7R 8着/8頭 05/04 園田5R 10着/10頭+2.5秒 04/14 園田12R 12着/12頭+8.5秒 03/26 園田5R 11着/11頭+7.1秒 01/15 大井6R 14着/14頭+5.6秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +303% (市場が大幅過小評価) AI 予想勝率 1.7% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	スカイピース	小谷哲（兵庫）	実232.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し）
前5走 05/22 園田6R 8着/8頭+0.0秒 05/04 園田2R 7着/7頭+2.6秒 04/21 園田3R 7着/9頭+1.8秒 04/08 園田8R 8着/10頭+1.8秒 03/25 園田6R 11着/12頭+1.5秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +270% (市場が大幅過小評価) AI 予想勝率 1.6% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	ミュトスオード	下原理（兵庫）	実27.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は4走で勝ち無し／直近3走平均2.3着と安定／前走2着）
前5走 05/14 園田6R 2着/9頭+0.7秒 04/30 園田4R 3着/11頭+0.6秒 04/16 園田4R 2着/10頭+0.1秒 03/19 園田6R 3着/10頭+1.3秒 01/03 園田8R 3着/12頭+0.8秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 10走で勝率 10% ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +89% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 3.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	モノノフイエロー	永井孝（兵庫）	実13.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場37走で勝率3%と苦戦傾向／同距離帯は22走で勝ち無し）
前5走 05/20 園田6R 6着/12頭 01/08 園田12R 7着/12頭+0.9秒 12/24 園田8R 4着/11頭+0.5秒 12/10 園田12R 7着/12頭+0.8秒 11/25 園田9R 5着/10頭+0.8秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 37走で勝率 3% (苦戦) ▽ 距離適性同距離は 22走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 6.8% (オッズ暗示: 7.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	グランサントル	杉浦健（兵庫）	実2.0	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率40%と適性高／直近3走で勝率33%と好調）
前5走 05/05 園田7R 4着/10頭+0.7秒 04/08 園田4R 1着/10頭勝利 05/23 園田3R 4着/12頭+0.9秒 04/30 園田4R 1着/12頭勝利 04/08 園田2R 4着/11頭+1.3秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 14.7% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

このレースの推奨馬券　2モデル並走 (AI 期待値プラス判定)

A. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 10 ミュトスオード実27.7倍期待値 +202% 100円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

🎯 直近3日の的中馬券4件

2026/06/03（水）2的中

2026年

06月03日

名古屋

7レース

馬
連

2-8

nan

オッズ3.4倍

払戻 1,020円

2026年

06月03日

名古屋

1レース

馬
連

1-5

nan

オッズ9.7倍

払戻 1,940円

2026/06/02（火）1的中

2026年

06月02日

船橋

1レース

単
勝

イチザペガサス

オッズ9.8倍

払戻 3,240円

2026/06/01（月）1的中

2026年

06月01日

船橋

11レース

単
勝

サドル

オッズ5.2倍

払戻 660円

本サイトはアフィリエイト広告を含みます。当サイトを経由して投票サイトに登録 / 入金 / 投票することで、当サイト運営者に紹介料が支払われる場合があります。馬券購入は自己責任でお願いします。

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。

注目の騎手ランク

1 御神訓(大井) ★★★★★
2 笹川翼（大井） ★★★★★
3 吉村智（兵庫） ★★★★★
4 小牧太（兵庫） ★★★★★
5 塚本征（愛知） ★★★★★

本日の注目レース

11:10 園田 2R

AI最高期待値 +367%。市場と AI 評価の乖離が大きい狙い目です。

17:40 船橋 7R

AI最高期待値 +286%。市場と AI 評価の乖離が大きい狙い目です。

13:10 園田 6R

AI最高期待値 +183%。市場と AI 評価の乖離が大きい狙い目です。

AIニュース

モデル精度 AUC 0.883

検証データ None で計測。0.85 以上で実用域・0.90 以上で高精度の目安です。

運用 91.0%（蓄積中）

累計買い目 298 件 / 的中率 5.7% / 収支 -4,270円。サンプル数を増やして安定を狙います。

オッズ5〜30倍を中心に推奨

市場効率と AI 評価の乖離が大きく、CV 検証で最も std（変動）が小さい帯です。期待値プラスの馬券だけを抽出します。

1/20 ケリー基準で資金管理

破産確率を実質ゼロに抑える保守的なベット額計算。1回の負けで残高が大きく削られない設計です。

毎月モデルを再学習

前月までの全レース結果を学習データに加え、馬・騎手・コースの最新傾向を反映します。

推奨の買い目

11:10 園田 2R 　7番　ニシノウインド
11:10 園田 2R 　馬連　1-7
12:25 名古屋 1R 　5番　モンサンフリージア
12:25 名古屋 1R 　馬連　1-5
12:40 園田 5R 　8番　ハイライフ
13:10 園田 6R 　3番　ホンキトカイテマジ

運用サマリ 2モデル並走

A. 市場込みモデル

累計298 / 的中5.7% / 回収91.0% / 収支-4,270円

B. 市場除外+キャリブ

累計218 / 的中8.3% / 回収73.9% / 収支-8,220円

本日の推奨馬 AIランクTOP5 期待値順

運用実績 2モデル並走

本日の全レース予想

🎯 直近3日の的中馬券4件