名古屋 4R 詳細AI予想
本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。
モデル
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ノーブルハンター |
加藤誓（愛知） |
実289.5 |
B▽ A▽勝率0% EV+20% 詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 0.3%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 0.4% / 期待値 +21% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ペリバジャ |
小笠羚（愛知） |
実10.1 |
B△ A△勝率5% EV-45% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 5位 (中位評価) △期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 9.9%) △Aモデルの評価 (参考) レース内 5位 / 勝率 5.4% / 期待値 -46% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ウインファイネスト |
友森翔（愛知） |
実8.7 |
B△ A○勝率18% EV+59% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 11.5%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 18.3% / 期待値 +59% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ミョンソクコムドリ |
丸野勝（愛知） |
実11.0 |
B○ A△勝率7% EV-19% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○AIランク評価 (順位学習モデル) レース内 2位 (上位評価) △期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 9.8% (オッズ暗示: 9.1%) △Aモデルの評価 (参考) レース内 4位 / 勝率 7.4% / 期待値 -19% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
フクスケ |
塚本征（愛知） |
実1.4 |
B▲ A🌟◎勝率45% EV-36% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 8.3% (オッズ暗示: 71.4%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 45.3% / 期待値 -37% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
クインズサクラ |
筒井勇（笠松） |
実80.2 |
B▽ A▽勝率1% EV-36% 詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +563% (市場が大幅過小評価) AI 予想勝率 8.3% (オッズ暗示: 1.2%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 0.8% / 期待値 -37% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ボンボンブーケ |
近藤颯（愛知） |
実48.0 |
B▽ A▽勝率1% EV-40% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 7位 (中位評価) 🌟◎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 8.3% (オッズ暗示: 2.1%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 1.2% / 期待値 -40% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
アウトリュコス |
望月洵（愛知） |
実8.8 |
B◎ A▲勝率13% EV+13% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 9.8% (オッズ暗示: 11.4%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 12.9% / 期待値 +14% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
プライムキングダム |
大畑雅（愛知） |
実258.2 |
B▽ A▽勝率0% EV-2% 詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 0.4% / 期待値 -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 |
ナムラカメコ 推奨 |
細川智（愛知） |
実23.4 |
B△ A▽勝率3% EV-38% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 6位 (中位評価) 🌟◎期待値 (オッズ vs AI勝率) +93% (市場が大幅過小評価) AI 予想勝率 8.3% (オッズ暗示: 4.3%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 2.6% / 期待値 -39% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ジェルソミーノ |
丹羽克（愛知） |
実32.4 |
B▽ A▽勝率2% EV-49% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 10位 (中位評価) 🌟◎期待値 (オッズ vs AI勝率) +148% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 3.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 1.6% / 期待値 -49% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ユイノレジスタンス |
今井貴（愛知） |
実22.1 |
B▽ A△勝率4% EV-17% 詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎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 7.7% (オッズ暗示: 4.5%) △Aモデルの評価 (参考) レース内 6位 / 勝率 3.7% / 期待値 -17% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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
／ 馬名横のグレーバッジ 脚質（過去の上がり3F傾向からの推定）
AIの推奨本命の次点
出走馬全12頭
△期待値 (オッズ vs AI勝率)
-14% (オッズ過剰評価)
AI 予想勝率
9.8% (オッズ暗示: 11.4%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 12.9% / 期待値 +14%
○AIランク評価 (順位学習モデル)
レース内 2位 (上位評価)
△期待値 (オッズ vs AI勝率)
+7% (市場と概ね一致)
AI 予想勝率
9.8% (オッズ暗示: 9.1%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 7.4% / 期待値 -19%
×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
8.3% (オッズ暗示: 71.4%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 45.3% / 期待値 -37%
△期待値 (オッズ vs AI勝率)
-28% (オッズ過剰評価)
AI 予想勝率
8.3% (オッズ暗示: 11.5%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 18.3% / 期待値 +59%
△AIランク評価 (順位学習モデル)
レース内 5位 (中位評価)
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
8.3% (オッズ暗示: 9.9%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 5.4% / 期待値 -46%
△AIランク評価 (順位学習モデル)
レース内 6位 (中位評価)
🌟◎期待値 (オッズ vs AI勝率)
+93% (市場が大幅過小評価)
AI 予想勝率
8.3% (オッズ暗示: 4.3%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 2.6% / 期待値 -39%
△AIランク評価 (順位学習モデル)
レース内 7位 (中位評価)
🌟◎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
8.3% (オッズ暗示: 2.1%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 1.2% / 期待値 -40%
🌟◎期待値 (オッズ vs AI勝率)
+563% (市場が大幅過小評価)
AI 予想勝率
8.3% (オッズ暗示: 1.2%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 0.8% / 期待値 -37%
🌟◎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
7.7% (オッズ暗示: 4.5%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 3.7% / 期待値 -17%
△AIランク評価 (順位学習モデル)
レース内 10位 (中位評価)
🌟◎期待値 (オッズ vs AI勝率)
+148% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 3.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 1.6% / 期待値 -49%
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 0.4% / 期待値 -3%
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 0.3%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 0.4% / 期待値 +21%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
▶
このレースの展開シミュレーションはこちら
AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ
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
ナムラカメコ
実23.4倍
期待値 +93%
❌不的中7着単勝 23.4倍
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ノーブルハンター |
加藤誓（愛知） |
実289.5 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 0.4% (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。 |
| 2 |
ペリバジャ |
小笠羚（愛知） |
実10.1 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 5位 (中位評価) ×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 5.4% (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。 |
| 3 |
ウインファイネスト |
友森翔（愛知） |
実8.7 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎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 18.3% (オッズ暗示: 11.5%) ※ 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 |
ミョンソクコムドリ |
丸野勝（愛知） |
実11.0 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 4位 (中位評価) △期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 9.1%) ※ 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 |
フクスケ |
塚本征（愛知） |
実1.4 |
🌟◎詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 45.3% (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。 |
| 6 |
クインズサクラ |
筒井勇（笠松） |
実80.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 0.8% (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 |
ボンボンブーケ |
近藤颯（愛知） |
実48.0 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 9位 (中位評価) ×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 1.2% (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。 |
| 8 |
アウトリュコス |
望月洵（愛知） |
実8.8 |
▲詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 12.9% (オッズ暗示: 11.4%) ※ 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 |
プライムキングダム |
大畑雅（愛知） |
実258.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 0.4% (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 |
ナムラカメコ 推奨 |
細川智（愛知） |
実23.4 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 7位 (中位評価) ×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 2.6% (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。 |
| 11 |
ジェルソミーノ |
丹羽克（愛知） |
実32.4 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △AIランク評価 (順位学習モデル) レース内 8位 (中位評価) ×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 1.6% (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。 |
| 12 |
ユイノレジスタンス |
今井貴（愛知） |
実22.1 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 3.7% (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。 |
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
／ 馬名横のグレーバッジ 脚質（過去の上がり3F傾向からの推定）
AIの推奨本命の次点
出走馬全12頭
×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
45.3% (オッズ暗示: 71.4%)
🌟◎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
18.3% (オッズ暗示: 11.5%)
△期待値 (オッズ vs AI勝率)
+13% (市場と概ね一致)
AI 予想勝率
12.9% (オッズ暗示: 11.4%)
△AIランク評価 (順位学習モデル)
レース内 4位 (中位評価)
△期待値 (オッズ vs AI勝率)
-19% (オッズ過剰評価)
AI 予想勝率
7.4% (オッズ暗示: 9.1%)
△AIランク評価 (順位学習モデル)
レース内 5位 (中位評価)
×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
5.4% (オッズ暗示: 9.9%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
3.7% (オッズ暗示: 4.5%)
△AIランク評価 (順位学習モデル)
レース内 7位 (中位評価)
×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
2.6% (オッズ暗示: 4.3%)
△AIランク評価 (順位学習モデル)
レース内 8位 (中位評価)
×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
1.6% (オッズ暗示: 3.1%)
△AIランク評価 (順位学習モデル)
レース内 9位 (中位評価)
×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
1.2% (オッズ暗示: 2.1%)
×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
0.8% (オッズ暗示: 1.2%)
△期待値 (オッズ vs AI勝率)
+20% (市場と概ね一致)
AI 予想勝率
0.4% (オッズ暗示: 0.3%)
△期待値 (オッズ vs AI勝率)
-3% (オッズ過剰評価)
AI 予想勝率
0.4% (オッズ暗示: 0.4%)
💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。
▶
このレースの展開シミュレーションはこちら
AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ
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
ナムラカメコ
実23.4倍
期待値 +93%
❌不的中7着単勝 23.4倍
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。
