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 |
モータリゼーション |
近藤颯（愛知） |
実5.8 |
B△ A▲勝率9% EV-47% 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) -92% (大幅な期待値マイナス) AI 予想勝率 1.3% (オッズ暗示: 17.2%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 9.0% / 期待値 -48% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ミダレセツゲツカ |
大畑雅（愛知） |
実37.4 |
B× A×勝率1% EV-56% 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 8位 (中位評価) ×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 0.3% (オッズ暗示: 2.7%) ×Aモデルの評価 (参考) レース内 10位 / 勝率 1.2% / 期待値 -57% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ポッドスモーカー |
吉原寛（金沢） |
実20.8 |
B▲ A△勝率4% EV-24% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 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 3位 (上位評価) △期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 4.4% (オッズ暗示: 4.8%) △Aモデルの評価 (参考) レース内 6位 / 勝率 3.7% / 期待値 -24% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
チェリーブルーム |
渡邊竜（笠松） |
実3.7 |
B△ A○勝率13% EV-50% 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 5位 (中位評価) ×期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 1.8% (オッズ暗示: 27.0%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 13.4% / 期待値 -50% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
フィアスゲイル |
細川智（愛知） |
実43.9 |
B× A×勝率1% EV-71% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 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) -92% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 2.3%) ×Aモデルの評価 (参考) レース内 11位 / 勝率 0.6% / 期待値 -72% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ノーブルハンター |
加藤誓（愛知） |
実185.7 |
B× A▽勝率0% EV-30% 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) -100% (大幅な期待値マイナス) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 0.4% / 期待値 -31% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ヴェロシア |
塚本征（愛知） |
実2.3 |
B🌟◎ A🌟◎勝率54% EV+23% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +96% (市場が大幅過小評価) AI 予想勝率 85.3% (オッズ暗示: 43.5%) 🌟◎Aモデルの評価 (参考) レース内 1位 / 勝率 53.7% / 期待値 +24% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
リアルフォルツァ |
今井貴（愛知） |
実34.5 |
B△ A▽勝率2% EV-38% 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) -24% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.9%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 1.8% / 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。 |
| 9 |
オーケーエレガンス |
丸山真（愛知） |
実12.3 |
B× A×勝率3% EV-66% 詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.0% (オッズ暗示: 8.1%) ×Aモデルの評価 (参考) レース内 7位 / 勝率 2.7% / 期待値 -67% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
シャマレル |
大畑慧（愛知） |
実16.0 |
B× A△勝率7% EV+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) -96% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 6.2%) △Aモデルの評価 (参考) レース内 4位 / 勝率 6.5% / 期待値 +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 |
アメジストテソーロ |
小笠羚（愛知） |
実34.1 |
B× A×勝率1% EV-54% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) ×Aモデルの評価 (参考) レース内 9位 / 勝率 1.3% / 期待値 -55% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
アンコ |
丸野勝（愛知） |
実13.4 |
B○ A△勝率6% EV-23% 詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 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) -42% (大幅な期待値マイナス) AI 予想勝率 4.4% (オッズ暗示: 7.5%) △Aモデルの評価 (参考) レース内 5位 / 勝率 5.7% / 期待値 -23% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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)
+96% (市場が大幅過小評価)
AI 予想勝率
85.3% (オッズ暗示: 43.5%)
🌟◎Aモデルの評価 (参考)
レース内 1位 / 勝率 53.7% / 期待値 +24%
○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)
-42% (大幅な期待値マイナス)
AI 予想勝率
4.4% (オッズ暗示: 7.5%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 5.7% / 期待値 -23%
○AIランク評価 (順位学習モデル)
レース内 3位 (上位評価)
△期待値 (オッズ vs AI勝率)
-9% (オッズ過剰評価)
AI 予想勝率
4.4% (オッズ暗示: 4.8%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 3.7% / 期待値 -24%
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
2.2% (オッズ暗示: 2.9%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 1.8% / 期待値 -39%
△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)
-94% (大幅な期待値マイナス)
AI 予想勝率
1.8% (オッズ暗示: 27.0%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 13.4% / 期待値 -50%
×期待値 (オッズ vs AI勝率)
-92% (大幅な期待値マイナス)
AI 予想勝率
1.3% (オッズ暗示: 17.2%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 9.0% / 期待値 -48%
△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)
-96% (大幅な期待値マイナス)
AI 予想勝率
0.3% (オッズ暗示: 6.2%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 6.5% / 期待値 +4%
△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)
-90% (大幅な期待値マイナス)
AI 予想勝率
0.3% (オッズ暗示: 2.7%)
×Aモデルの評価 (参考)
レース内 10位 / 勝率 1.2% / 期待値 -57%
△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)
-92% (大幅な期待値マイナス)
AI 予想勝率
0.2% (オッズ暗示: 2.3%)
×Aモデルの評価 (参考)
レース内 11位 / 勝率 0.6% / 期待値 -72%
△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)
-99% (大幅な期待値マイナス)
AI 予想勝率
0.0% (オッズ暗示: 8.1%)
×Aモデルの評価 (参考)
レース内 7位 / 勝率 2.7% / 期待値 -67%
×期待値 (オッズ vs AI勝率)
-100% (大幅な期待値マイナス)
×Aモデルの評価 (参考)
レース内 9位 / 勝率 1.3% / 期待値 -55%
×期待値 (オッズ vs AI勝率)
-100% (大幅な期待値マイナス)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 0.4% / 期待値 -31%
💡 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
両モデルとも本レースは見送り判定（期待値プラスなし）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
モータリゼーション |
近藤颯（愛知） |
実5.8 |
▲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) -48% (大幅な期待値マイナス) AI 予想勝率 9.0% (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。 |
| 2 |
ミダレセツゲツカ |
大畑雅（愛知） |
実37.4 |
×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 10位 (中位評価) ×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 1.2% (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 |
ポッドスモーカー |
吉原寛（金沢） |
実20.8 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 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) -24% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 4.8%) ※ 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 |
チェリーブルーム |
渡邊竜（笠松） |
実3.7 |
○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) -50% (大幅な期待値マイナス) AI 予想勝率 13.4% (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。 |
| 5 |
フィアスゲイル |
細川智（愛知） |
実43.9 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 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 11位 (中位評価) ×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 0.6% (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。 |
| 6 |
ノーブルハンター |
加藤誓（愛知） |
実185.7 |
▽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) -31% (大幅な期待値マイナス) AI 予想勝率 0.4% (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 |
ヴェロシア |
塚本征（愛知） |
実2.3 |
🌟◎詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 53.7% (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。 |
| 8 |
リアルフォルツァ |
今井貴（愛知） |
実34.5 |
▽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) -39% (大幅な期待値マイナス) AI 予想勝率 1.8% (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。 |
| 9 |
オーケーエレガンス |
丸山真（愛知） |
実12.3 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 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) -67% (大幅な期待値マイナス) AI 予想勝率 2.7% (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。 |
| 10 |
シャマレル |
大畑慧（愛知） |
実16.0 |
△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 4位 (中位評価) △期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 6.5% (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。 |
| 11 |
アメジストテソーロ |
小笠羚（愛知） |
実34.1 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 1.3% (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。 |
| 12 |
アンコ |
丸野勝（愛知） |
実13.4 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 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) -23% (オッズ過剰評価) AI 予想勝率 5.7% (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。 |
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)
+23% (市場と概ね一致)
AI 予想勝率
53.7% (オッズ暗示: 43.5%)
○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)
-50% (大幅な期待値マイナス)
AI 予想勝率
13.4% (オッズ暗示: 27.0%)
×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
9.0% (オッズ暗示: 17.2%)
△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)
+4% (市場と概ね一致)
AI 予想勝率
6.5% (オッズ暗示: 6.2%)
△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)
-23% (オッズ過剰評価)
AI 予想勝率
5.7% (オッズ暗示: 7.5%)
△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)
-24% (オッズ過剰評価)
AI 予想勝率
3.7% (オッズ暗示: 4.8%)
△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)
-67% (大幅な期待値マイナス)
AI 予想勝率
2.7% (オッズ暗示: 8.1%)
×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
1.8% (オッズ暗示: 2.9%)
×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
1.3% (オッズ暗示: 2.9%)
△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)
-57% (大幅な期待値マイナス)
AI 予想勝率
1.2% (オッズ暗示: 2.7%)
△AIランク評価 (順位学習モデル)
レース内 11位 (中位評価)
×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
0.6% (オッズ暗示: 2.3%)
×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
0.4% (オッズ暗示: 0.5%)
💡 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
両モデルとも本レースは見送り判定（期待値プラスなし）
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。
