大井 3R 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

3R 大井競馬場ダ1200m ダート1200m　発走 15:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラバテラダンサー自在	本村直（大井）	実88.1	B× A▽勝率1% EV-26% 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 08/31 大井5R 9着/12頭+87.7秒 08/12 大井5R 13着/16頭+73.1秒 04/14 大井3R 11着/11頭+4.8秒 03/24 大井4R 10着/11頭+2.6秒 02/17 大井4R 9着/12頭+3.0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戦の調子平均 11.0着 (不振) × 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 ○ 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) -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 0.8% / 期待値 -26% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	マンゴーパフェ	田中洸（大井）	実136.2	B× A▽勝率1% EV-20% 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 08/31 大井5R 12着/12頭+87.9秒 08/12 大井1R 6着/10頭+2.6秒 07/20 大井5R 5着/10頭 06/29 大井1R 9着/12頭 06/08 大井2R 9着/10頭
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 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 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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 0.6% / 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。
3	スカイハピネス	野畑凌（川崎）	実21.6	B△ A△勝率4% EV-21% 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 08/31 大井6R 8着/14頭+2.4秒 08/12 大井5R 11着/16頭+72.9秒 07/20 大井6R 10着/12頭 06/29 大井2R 10着/14頭 06/08 大井5R 11着/12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 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 9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) -100% (大幅な期待値マイナス) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.6% / 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。
4	ローザネーラ自在	和田譲（大井）	実40.2	B× A△勝率5% EV+112% 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 03/23 大井5R 14着/14頭+5.4秒 03/09 大井5R 11着/11頭+2.5秒 08/11 大井4R 7着/8頭+6.4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 10.7着 (不振) × 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 24% (好調) ▽ 前走実績前走 14着 (大敗) △ ローテーション 175日休養明け × 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 5位 / 勝率 5.3% / 期待値 +113% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ヤマトシーダー	横川怜（大井）	実205.3	B× A▽勝率0% EV-15% 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 08/31 大井6R 12着/14頭+3.4秒 08/12 大井4R 14着/14頭+5.9秒 07/20 大井6R 8着/12頭 06/29 大井2R 12着/14頭+1.0秒 06/08 大井5R 7着/12頭
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 11.3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 12走で勝ち無し ▽ 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) -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 -16% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	シャルシェ	ゴンサ（船橋）	実2.1	B▲ A◎勝率44% EV-8% 詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 08/31 大井6R 3着/14頭+0.3秒 08/12 大井5R 4着/16頭+0.0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 3.5着 ○ 騎手近50戦勝率 14% ○ 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) -92% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 47.6%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 43.5% / 期待値 -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	コスケンコルヴァ	矢野貴（大井）	実2.7	B○ A○勝率18% EV-52% 詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率22%）
前5走 08/31 大井6R 6着/14頭 ― ― ― ―
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 6.0着 ◎ 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) -13% (オッズ過剰評価) AI 予想勝率 32.2% (オッズ暗示: 37.0%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 17.6% / 期待値 -52% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ルイーダ	小野俊（大井）	実20.6	B△ A△勝率6% EV+24% 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 08/31 大井6R 5着/14頭+1.3秒 08/12 大井5R 12着/16頭+73.0秒 07/20 大井6R 5着/12頭+1.0秒 06/29 大井2R 6着/14頭 06/08 大井5R 6着/12頭
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 7.3着 (不振) × 当競馬場適性 12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 14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 4位 / 勝率 6.1% / 期待値 +25% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ケンヴァルト	石川駿（大井）	実102.0	B× A▽勝率1% EV+25% 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 06/08 大井2R 7着/10頭+2.0秒 05/18 大井2R 9着/14頭+3.4秒 04/13 大井4R 9着/10頭+4.7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 8.3着 (不振) × 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 98日休養明け × 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 1.2% / 期待値 +25% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	リリーインザナイト	本田重（船橋）	実4.3	B◎ A▲勝率16% EV-30% 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24%）
前5走 ― ― ― ― ―
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) ◎ 騎手近50戦勝率 24% (好調) ◎ 期待値 (オッズ vs AI勝率) +174% (市場が大幅過小評価) AI 予想勝率 63.8% (オッズ暗示: 23.3%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 16.2% / 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。
11	キミヲコイシタウ	達城龍（大井）	実42.6	B× A▽勝率2% EV-28% 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 08/31 大井6R 14着/14頭+3.5秒 08/12 大井5R 7着/16頭+72.4秒 07/20 大井5R 10着/10頭+6.0秒 06/29 大井2R 4着/14頭+5.0秒 06/08 大井2R 4着/10頭
AI 評価の内訳 — 馬番 11 ◎ 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 10.3着 (不振) × 当競馬場適性 20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) ▽ 前走実績前走 14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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 1.7% / 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。
12	パロットフィッシュ	本橋孝（船橋）	実50.6	B△ A▽勝率3% EV+28% 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）
前5走 08/31 大井6R 9着/14頭+2.5秒 08/12 大井1R 7着/10頭+3.1秒 07/20 大井5R 4着/10頭+0.0秒 06/29 大井1R 8着/12頭 06/08 大井2R 5着/10頭+2.0秒
AI 評価の内訳 — 馬番 12 ◎ 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 6.7着 × 当競馬場適性 6走で勝率 0% (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) -96% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 2.0%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.5% / 期待値 +29% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	サクラエナジー先行	高野誠（大井）	実197.7	B× A▽勝率0% EV-27% 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 08/31 大井6R 13着/14頭+3.4秒 08/12 大井5R 15着/16頭+74.8秒 07/20 大井6R 12着/12頭 03/11 船橋1R 6着/11頭+2.4秒 02/13 船橋2R 5着/9頭+2.1秒
AI 評価の内訳 — 馬番 13 ◎ 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 13.3着 (不振) × 当競馬場適性 3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) ▽ 前走実績前走 13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) -100% (大幅な期待値マイナス) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 0.4% / 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。

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 ▲

リリーインザナイト

騎手本田重（船橋）

単勝オッズ

4.3倍

AI期待値

+174%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○7コスケンコルヴァ

2.7倍

EV -12%

▲A:◎6シャルシェ

2.1倍

EV -91%

出走馬全13頭

◎A:▲10

リリーインザナイト

本田重（船橋）

4.3倍

+174%

›

○A:○7

コスケンコルヴァ

矢野貴（大井）

2.7倍

-12%

›

▲A:◎6

シャルシェ

ゴンサ（船橋）

2.1倍

-91%

›

△A:▽12

パロットフィッシュ

本橋孝（船橋）

50.6倍

-95%

›

△A:△8

ルイーダ

小野俊（大井）

20.6倍

-99%

›

△A:△3

スカイハピネス

野畑凌（川崎）

21.6倍

-99%

›

×A:△4

ローザネーラ

和田譲（大井）

40.2倍

-99%

›

×A:▽11

キミヲコイシタウ

達城龍（大井）

42.6倍

-99%

›

×A:▽1

ラバテラダンサー

本村直（大井）

88.1倍

-99%

›

×A:▽9

ケンヴァルト

石川駿（大井）

102.0倍

-99%

›

×A:▽2

マンゴーパフェ

田中洸（大井）

136.2倍

-99%

›

×A:▽13

サクラエナジー

高野誠（大井）

197.7倍

-99%

›

×A:▽5

ヤマトシーダー

横川怜（大井）

205.3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

3R 大井競馬場ダ1200m ダート1200m　発走 15:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラバテラダンサー自在	本村直（大井）	実88.1	▽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／同距離帯は10走で勝ち無し／直近3走平均11.0着と低調）
前5走 08/31 大井5R 9着/12頭+87.7秒 08/12 大井5R 13着/16頭+73.1秒 04/14 大井3R 11着/11頭+4.8秒 03/24 大井4R 10着/11頭+2.6秒 02/17 大井4R 9着/12頭+3.0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戦の調子平均 11.0着 (不振) × 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 ○ 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 0.8% (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	マンゴーパフェ	田中洸（大井）	実136.2	▽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3走で勝ち無し）
前5走 08/31 大井5R 12着/12頭+87.9秒 08/12 大井1R 6着/10頭+2.6秒 07/20 大井5R 5着/10頭 06/29 大井1R 9着/12頭 06/08 大井2R 9着/10頭
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 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 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) -21% (オッズ過剰評価) AI 予想勝率 0.6% (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。
3	スカイハピネス	野畑凌（川崎）	実21.6	△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0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均9.7着と低調）
前5走 08/31 大井6R 8着/14頭+2.4秒 08/12 大井5R 11着/16頭+72.9秒 07/20 大井6R 10着/12頭 06/29 大井2R 10着/14頭 06/08 大井5R 11着/12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 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 9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) -22% (オッズ過剰評価) AI 予想勝率 3.6% (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。
4	ローザネーラ自在	和田譲（大井）	実40.2	△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／直近3走平均10.7着と低調）
前5走 03/23 大井5R 14着/14頭+5.4秒 03/09 大井5R 11着/11頭+2.5秒 08/11 大井4R 7着/8頭+6.4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 10.7着 (不振) × 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 24% (好調) ▽ 前走実績前走 14着 (大敗) △ ローテーション 175日休養明け ◎ 期待値 (オッズ vs AI勝率) +112% (市場が大幅過小評価) AI 予想勝率 5.3% (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。
5	ヤマトシーダー	横川怜（大井）	実205.3	▽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12走で勝ち無し／直近3走平均11.3着と低調）
前5走 08/31 大井6R 12着/14頭+3.4秒 08/12 大井4R 14着/14頭+5.9秒 07/20 大井6R 8着/12頭 06/29 大井2R 12着/14頭+1.0秒 06/08 大井5R 7着/12頭
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 11.3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 12走で勝ち無し ▽ 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) -16% (オッズ過剰評価) 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。
6	シャルシェ	ゴンサ（船橋）	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（前走3着）
前5走 08/31 大井6R 3着/14頭+0.3秒 08/12 大井5R 4着/16頭+0.0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 3.5着 ○ 騎手近50戦勝率 14% ○ 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 43.5% (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。
7	コスケンコルヴァ	矢野貴（大井）	実2.7	○詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率22%）
前5走 08/31 大井6R 6着/14頭 ― ― ― ―
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 6.0着 ◎ 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) -52% (大幅な期待値マイナス) AI 予想勝率 17.6% (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。
8	ルイーダ	小野俊（大井）	実20.6	△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11走で勝ち無し）
前5走 08/31 大井6R 5着/14頭+1.3秒 08/12 大井5R 12着/16頭+73.0秒 07/20 大井6R 5着/12頭+1.0秒 06/29 大井2R 6着/14頭 06/08 大井5R 6着/12頭
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 7.3着 (不振) × 当競馬場適性 12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 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 6.1% (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。
9	ケンヴァルト	石川駿（大井）	実102.0	▽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／同距離帯は3走で勝ち無し／直近3走平均8.3着と低調）
前5走 06/08 大井2R 7着/10頭+2.0秒 05/18 大井2R 9着/14頭+3.4秒 04/13 大井4R 9着/10頭+4.7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 8.3着 (不振) × 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 98日休養明け △ 期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 1.2% (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。
10	リリーインザナイト	本田重（船橋）	実4.3	▲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24%）
前5走 ― ― ― ― ―
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) ◎ 騎手近50戦勝率 24% (好調) × 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 16.2% (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。
11	キミヲコイシタウ	達城龍（大井）	実42.6	▽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0%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均10.3着と低調）
前5走 08/31 大井6R 14着/14頭+3.5秒 08/12 大井5R 7着/16頭+72.4秒 07/20 大井5R 10着/10頭+6.0秒 06/29 大井2R 4着/14頭+5.0秒 06/08 大井2R 4着/10頭
AI 評価の内訳 — 馬番 11 ◎ 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 10.3着 (不振) × 当競馬場適性 20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) ▽ 前走実績前走 14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) -28% (オッズ過剰評価) AI 予想勝率 1.7% (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。
12	パロットフィッシュ	本橋孝（船橋）	実50.6	▽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）
前5走 08/31 大井6R 9着/14頭+2.5秒 08/12 大井1R 7着/10頭+3.1秒 07/20 大井5R 4着/10頭+0.0秒 06/29 大井1R 8着/12頭 06/08 大井2R 5着/10頭+2.0秒
AI 評価の内訳 — 馬番 12 ◎ 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 6.7着 × 当競馬場適性 6走で勝率 0% (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) +28% (市場と概ね一致) AI 予想勝率 2.5% (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。
13	サクラエナジー先行	高野誠（大井）	実197.7	▽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10走で勝ち無し／直近3走平均13.3着と低調）
前5走 08/31 大井6R 13着/14頭+3.4秒 08/12 大井5R 15着/16頭+74.8秒 07/20 大井6R 12着/12頭 03/11 船橋1R 6着/11頭+2.4秒 02/13 船橋2R 5着/9頭+2.1秒
AI 評価の内訳 — 馬番 13 ◎ 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 13.3着 (不振) × 当競馬場適性 3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) ▽ 前走実績前走 13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) -28% (オッズ過剰評価) 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。

AIの本命

AI評価1位

シャルシェ

騎手ゴンサ（船橋）

単勝オッズ

2.1倍

AI期待値

-8%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7コスケンコルヴァ

2.7倍

EV -52%

▲10リリーインザナイト

4.3倍

EV -30%

出走馬全13頭

◎6

シャルシェ

ゴンサ（船橋）

2.1倍

-8%

›

○7

コスケンコルヴァ

矢野貴（大井）

2.7倍

-52%

›

▲10

リリーインザナイト

本田重（船橋）

4.3倍

-30%

›

△8

ルイーダ

小野俊（大井）

20.6倍

+24%

›

△4

ローザネーラ

和田譲（大井）

40.2倍

+112%

›

△3

スカイハピネス

野畑凌（川崎）

21.6倍

-21%

›

▽12

パロットフィッシュ

本橋孝（船橋）

50.6倍

+28%

›

▽11

キミヲコイシタウ

達城龍（大井）

42.6倍

-28%

›

▽9

ケンヴァルト

石川駿（大井）

102.0倍

+25%

›

▽1

ラバテラダンサー

本村直（大井）

88.1倍

-26%

›

▽2

マンゴーパフェ

田中洸（大井）

136.2倍

-20%

›

▽5

ヤマトシーダー

横川怜（大井）

205.3倍

-15%

›

▽13

サクラエナジー

高野誠（大井）

197.7倍

-27%

›

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