川崎 9R 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

9R 川崎競馬場ダ900m ダート900m　発走 19:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アイグレース追込	張田昂（船橋）	実5.6	B○ A△勝率8% EV-52% 詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8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 08/10 浦和10R 1着/11頭勝利 07/16 浦和11R 8着/11頭 10/29 浦和12R 2着/9頭+0.1秒 09/25 浦和10R 11着/11頭+2.6秒 08/20 浦和10R 12着/12頭+3.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 8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) -77% (大幅な期待値マイナス) AI 予想勝率 4.0% (オッズ暗示: 17.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.5% / 期待値 -53% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	エターナルセイバー追込	伊藤裕（川崎）	推定—	B▲ A△勝率9% EV-80% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 08/20 川崎9R 1着/10頭勝利 07/28 川崎10R 1着/12頭勝利 07/07 川崎9R 3着/3頭 03/04 川崎9R 5着/12頭+0.8秒 02/04 川崎8R 6着/12頭+1.0秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 32走で勝率 12% △ 距離適性同距離 34走で勝率 12% ◎ 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) -92% (大幅な期待値マイナス) AI 予想勝率 3.5% △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.0% / 期待値 -81% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	スカイブルー	増田充（川崎）	実104.5	B× A▽勝率1% EV-38% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 08/21 川崎11R 8着/8頭+2.0秒 07/30 川崎10R 12着/13頭+4.1秒 07/08 川崎10R 9着/9頭+3.0秒 ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 18日の間隔 (理想的) × 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 10位 / 勝率 0.6% / 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。
4	ピーエムナナ差し	本橋孝（船橋）	実19.9	B× A▽勝率4% EV-29% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎11R 9着/9頭+2.9秒 07/30 川崎12R 3着/3頭 04/08 川崎10R 5着/14頭+0.7秒 03/04 川崎10R 8着/9頭+1.2秒 02/05 川崎11R 11着/12頭+2.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 14走で勝率 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) -99% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 5.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 3.5% / 期待値 -30% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ポッドレオ差し	古岡勇（川崎）	実16.5	B× A△勝率4% EV-27% 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10走で勝ち無し／同馬場状態で勝率50%）
前5走 08/21 川崎11R 5着/8頭+0.7秒 07/28 川崎10R 7着/12頭+1.2秒 07/10 川崎11R 7着/10頭 07/02 船橋10R 5着/12頭 05/14 川崎10R 6着/12頭+1.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 × 当競馬場適性 14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 50% ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -98% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 6.1%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 4.4% / 期待値 -28% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	トーセンヴィオラ逃げ	見越彬（浦和）	実26.3	B△ A▽勝率3% EV-18% 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33%と適性高）
前5走 08/28 船橋10R 7着/14頭+1.0秒 08/10 浦和10R 5着/11頭+0.4秒 07/03 大井11R 6着/10頭 05/20 大井12R 5着/14頭 03/25 大井7R 5着/8頭+1.6秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 ◎ 当競馬場適性 3走で勝率 33% (得意) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 0.8% (オッズ暗示: 3.8%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 3.1% / 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。
7	ラヴォミ差し	岡村健（船橋）	実4.3	B△ A○勝率16% EV-31% 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16走で勝率25%と適性高／同距離帯16走で勝率25%／同馬場状態で勝率33%）
前5走 07/28 川崎10R 3着/12頭+0.6秒 05/14 川崎10R 5着/12頭+1.0秒 04/09 川崎10R 6着/12頭+0.8秒 03/05 川崎10R 6着/9頭+0.9秒 02/03 川崎10R 4着/12頭+0.8秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 ◎ 当競馬場適性 16走で勝率 25% (得意) ◎ 距離適性同距離 16走で勝率 25% ◎ 馬場適性同馬場 3走で勝率 33% ○ 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) -87% (大幅な期待値マイナス) AI 予想勝率 3.0% (オッズ暗示: 23.3%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 15.9% / 期待値 -32% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	タツノキングオー自在	佐野遥（川崎）	実7.0	B△ A▲勝率11% EV-21% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（208日ぶりの実戦）
前5走 02/12 船橋10R 9着/12頭+1.5秒 01/22 船橋9R 3着/8頭+0.7秒 12/09 船橋9R 2着/11頭+0.6秒 07/17 大井11R 5着/16頭+0.5秒 07/03 船橋10R 1着/9頭勝利
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 208日休養明け × 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 1.5% (オッズ暗示: 14.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 11.2% / 期待値 -22% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	タツノマッハ差し	山林信（川崎）	実71.5	B× A▽勝率1% EV-18% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 08/21 川崎11R 7着/8頭+1.8秒 10/16 川崎10R 8着/11頭+1.0秒 09/10 川崎10R 7着/11頭+1.3秒 06/18 川崎9R 8着/12頭+1.0秒 05/15 川崎10R 11着/12頭+1.9秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 38走で勝率 13% △ 距離適性同距離 38走で勝率 13% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 18日の間隔 (理想的) × 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 1.1% / 期待値 -18% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	バッファローライズ逃げ	町田直（川崎）	実1.8	B◎ A◎勝率43% EV-23% 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11走で勝率45%と適性高／同距離帯11走で勝率45%／同馬場状態で勝率67%）
前5走 05/12 川崎11R 6着/12頭+1.6秒 04/09 川崎10R 1着/12頭勝利 03/05 川崎10R 3着/9頭+0.3秒 02/03 川崎10R 5着/12頭+1.0秒 01/01 川崎9R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 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 45% (得意) ◎ 距離適性同距離 11走で勝率 45% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 騎手近50戦勝率 24% (好調) △ ローテーション 119日休養明け ◎ 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 87.0% (オッズ暗示: 55.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 42.7% / 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の本命

AI評価1位Aモデル ◎

バッファローライズ

騎手町田直（川崎）

単勝オッズ

1.8倍

AI期待値

+56%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△1アイグレース

5.6倍

EV -77%

▲A:△2エターナルセイバー

—

EV —

出走馬全10頭

◎A:◎10

バッファローライズ

町田直（川崎）

1.8倍

+56%

›

○A:△1

アイグレース

張田昂（船橋）

5.6倍

-77%

›

▲A:△2

エターナルセイバー

伊藤裕（川崎）

—

›

△A:○7

ラヴォミ

岡村健（船橋）

4.3倍

-87%

›

△A:▲8

タツノキングオー

佐野遥（川崎）

7.0倍

-89%

›

△A:▽6

トーセンヴィオラ

見越彬（浦和）

26.3倍

-79%

›

×A:△5

ポッドレオ

古岡勇（川崎）

16.5倍

-98%

›

×A:▽4

ピーエムナナ

本橋孝（船橋）

19.9倍

-98%

›

×A:▽9

タツノマッハ

山林信（川崎）

71.5倍

-99%

›

×A:▽3

スカイブルー

増田充（川崎）

104.5倍

-99%

›

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。

▶ 展開シミュレーション

このレースの推奨馬券　2モデル並走

両モデルとも見送り

9R 川崎競馬場ダ900m ダート900m　発走 19:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アイグレース追込	張田昂（船橋）	実5.6	△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8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 08/10 浦和10R 1着/11頭勝利 07/16 浦和11R 8着/11頭 10/29 浦和12R 2着/9頭+0.1秒 09/25 浦和10R 11着/11頭+2.6秒 08/20 浦和10R 12着/12頭+3.4秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 8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) -53% (大幅な期待値マイナス) AI 予想勝率 8.5% (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。
2	エターナルセイバー追込	伊藤裕（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率67%と好調／前走勝利の勢い）
前5走 08/20 川崎9R 1着/10頭勝利 07/28 川崎10R 1着/12頭勝利 07/07 川崎9R 3着/3頭 03/04 川崎9R 5着/12頭+0.8秒 02/04 川崎8R 6着/12頭+1.0秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ◎ 直近3戦の調子勝率 67% (絶好調) △ 当競馬場適性 32走で勝率 12% △ 距離適性同距離 34走で勝率 12% ◎ 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) -81% (大幅な期待値マイナス) AI 予想勝率 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	スカイブルー	増田充（川崎）	実104.5	▽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／直近3走平均9.7着と低調）
前5走 08/21 川崎11R 8着/8頭+2.0秒 07/30 川崎10R 12着/13頭+4.1秒 07/08 川崎10R 9着/9頭+3.0秒 ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 18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 0.6% (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	ピーエムナナ差し	本橋孝（船橋）	実19.9	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 08/18 川崎11R 9着/9頭+2.9秒 07/30 川崎12R 3着/3頭 04/08 川崎10R 5着/14頭+0.7秒 03/04 川崎10R 8着/9頭+1.2秒 02/05 川崎11R 11着/12頭+2.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 14走で勝率 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 3.5% (オッズ暗示: 5.0%) ※ 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	ポッドレオ差し	古岡勇（川崎）	実16.5	△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10走で勝ち無し／同馬場状態で勝率50%）
前5走 08/21 川崎11R 5着/8頭+0.7秒 07/28 川崎10R 7着/12頭+1.2秒 07/10 川崎11R 7着/10頭 07/02 船橋10R 5着/12頭 05/14 川崎10R 6着/12頭+1.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.3着 × 当競馬場適性 14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 50% ○ ローテーション 18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 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。
6	トーセンヴィオラ逃げ	見越彬（浦和）	実26.3	▽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33%と適性高）
前5走 08/28 船橋10R 7着/14頭+1.0秒 08/10 浦和10R 5着/11頭+0.4秒 07/03 大井11R 6着/10頭 05/20 大井12R 5着/14頭 03/25 大井7R 5着/8頭+1.6秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 6.0着 ◎ 当競馬場適性 3走で勝率 33% (得意) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 3.1% (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。
7	ラヴォミ差し	岡村健（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16走で勝率25%と適性高／同距離帯16走で勝率25%／同馬場状態で勝率33%）
前5走 07/28 川崎10R 3着/12頭+0.6秒 05/14 川崎10R 5着/12頭+1.0秒 04/09 川崎10R 6着/12頭+0.8秒 03/05 川崎10R 6着/9頭+0.9秒 02/03 川崎10R 4着/12頭+0.8秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 ◎ 当競馬場適性 16走で勝率 25% (得意) ◎ 距離適性同距離 16走で勝率 25% ◎ 馬場適性同馬場 3走で勝率 33% ○ 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) -32% (大幅な期待値マイナス) AI 予想勝率 15.9% (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	タツノキングオー自在	佐野遥（川崎）	実7.0	▲詳細▼	AI上位評価だが期待値不足、見送り（208日ぶりの実戦）
前5走 02/12 船橋10R 9着/12頭+1.5秒 01/22 船橋9R 3着/8頭+0.7秒 12/09 船橋9R 2着/11頭+0.6秒 07/17 大井11R 5着/16頭+0.5秒 07/03 船橋10R 1着/9頭勝利
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 直近3戦の調子平均 4.7着 △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 208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 11.2% (オッズ暗示: 14.3%) ※ 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	タツノマッハ差し	山林信（川崎）	実71.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 08/21 川崎11R 7着/8頭+1.8秒 10/16 川崎10R 8着/11頭+1.0秒 09/10 川崎10R 7着/11頭+1.3秒 06/18 川崎9R 8着/12頭+1.0秒 05/15 川崎10R 11着/12頭+1.9秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 38走で勝率 13% △ 距離適性同距離 38走で勝率 13% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 18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 1.1% (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	バッファローライズ逃げ	町田直（川崎）	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11走で勝率45%と適性高／同距離帯11走で勝率45%／同馬場状態で勝率67%）
前5走 05/12 川崎11R 6着/12頭+1.6秒 04/09 川崎10R 1着/12頭勝利 03/05 川崎10R 3着/9頭+0.3秒 02/03 川崎10R 5着/12頭+1.0秒 01/01 川崎9R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) ○ 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 45% (得意) ◎ 距離適性同距離 11走で勝率 45% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 騎手近50戦勝率 24% (好調) △ ローテーション 119日休養明け △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 42.7% (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。

AIの本命

AI評価1位

バッファローライズ

騎手町田直（川崎）

単勝オッズ

1.8倍

AI期待値

-23%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7ラヴォミ

4.3倍

EV -31%

▲8タツノキングオー

7.0倍

EV -21%

出走馬全10頭

◎10

バッファローライズ

町田直（川崎）

1.8倍

-23%

›

○7

ラヴォミ

岡村健（船橋）

4.3倍

-31%

›

▲8

タツノキングオー

佐野遥（川崎）

7.0倍

-21%

›

△2

エターナルセイバー

伊藤裕（川崎）

—

›

△1

アイグレース

張田昂（船橋）

5.6倍

-52%

›

△5

ポッドレオ

古岡勇（川崎）

16.5倍

-27%

›

▽4

ピーエムナナ

本橋孝（船橋）

19.9倍

-29%

›

▽6

トーセンヴィオラ

見越彬（浦和）

26.3倍

-18%

›

▽9

タツノマッハ

山林信（川崎）

71.5倍

-18%

›

▽3

スカイブルー

増田充（川崎）

104.5倍

-38%

›

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。

▶ 展開シミュレーション

このレースの推奨馬券　2モデル並走

両モデルとも見送り

次の推奨を X で受け取る

あわせて読む

本日のAI予想購入戦略の解説 AIモデルの仕組み運用実績（回収率）

予想は参考情報です。馬券購入は自己責任で。20歳未満は購入できません。免責事項