名古屋 4R 詳細AI予想

本レースは AI 期待値が高い注目レースです。全馬の評価と推奨馬券を以下に掲載します。

モデル

4R 名古屋競馬場ダ1500m ダート1500m　発走 15:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デルマノリクラ	塚本征（愛知）	実30.8	B▽ A×勝率1% EV-56% 詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着／騎手は近50戦で勝率30%）
前5走 09/02 名古屋3R 3着/3頭 08/24 名古屋3R 4着/12頭+0.9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 3.5着 ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3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 1.9% (オッズ暗示: 3.2%) × Aモデルの評価 (参考) レース内 10位 / 勝率 1.4% / 期待値 -56% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	チェリーブルーム	近藤颯（愛知）	実22.9	B× A▽勝率3% EV-41% 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 09/01 名古屋5R 2着/11頭+0.9秒 07/28 名古屋4R 6着/11頭+1.5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戦の調子平均 4.0着 △ 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 14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 1.9% (オッズ暗示: 4.4%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 2.6% / 期待値 -42% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	テーオーシーザー	望月洵（愛知）	実14.0	B▲ A△勝率10% EV+35% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／騎手は近50戦で勝率28%）
前5走 09/01 名古屋4R 2着/10頭+0.1秒 08/18 名古屋5R 6着/12頭+5.5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 4.0着 ◎ 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 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 7.4% (オッズ暗示: 7.1%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 9.7% / 期待値 +36% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	シュトルムカイザー	今井貴（愛知）	実44.2	B▽ A▽勝率2% EV-33% 詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着／騎手は近50戦で勝率20%）
前5走 09/01 名古屋3R 2着/10頭+0.3秒 08/18 名古屋3R 8着/12頭+4.1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 5.0着 ◎ 騎手近50戦勝率 20% (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) +93% (市場が大幅過小評価) AI 予想勝率 4.4% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 1.5% / 期待値 -33% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ワルツプリンセス	渡邊竜（笠松）	実13.3	B△ A△勝率4% EV-52% 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 08/24 名古屋1R 2着/11頭+1.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ 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) -32% (大幅な期待値マイナス) AI 予想勝率 5.1% (オッズ暗示: 7.5%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 3.6% / 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。
6	フルーツベイビー	細川智（愛知）	実1.4	B○ A◎勝率39% EV-45% 詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.0着と安定／前走2着）
前5走 08/24 名古屋2R 2着/12頭+1.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ 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) -61% (大幅な期待値マイナス) AI 予想勝率 28.1% (オッズ暗示: 71.4%) ◎ Aモデルの評価 (参考) レース内 1位 / 勝率 38.6% / 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。
7	プロットシッケンズ推奨	木之葵（愛知）	実9.0	B△ A○勝率20% EV+81% 詳細▼	期待値プラスでAIの推し馬（直近3走平均2.0着と安定／前走2着で力を示す／適度な間隔で状態万全）
前5走 09/01 名古屋6R 2着/11頭+0.5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 2.0着 (安定) ○ 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) -54% (大幅な期待値マイナス) AI 予想勝率 5.1% (オッズ暗示: 11.1%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 20.2% / 期待値 +82% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	アルマフレイヤ	加藤聡（愛知）	実24.4	B▽ A▽勝率2% EV-40% 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 08/24 名古屋3R 2着/12頭+0.1秒 ― ― ― ―
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 2.0着 (安定) ○ 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 22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 5.1% (オッズ暗示: 4.1%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 2.4% / 期待値 -41% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	ミカレオス	村上弘（愛知）	実17.0	B△ A△勝率6% EV-2% 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 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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) -13% (オッズ過剰評価) AI 予想勝率 5.1% (オッズ暗示: 5.9%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 5.7% / 期待値 -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	サンクスアミリオン	丹羽克（愛知）	実152.8	B× A▽勝率1% 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 08/21 名古屋2R 11着/12頭+4.2秒 07/31 名古屋1R 3着/12頭+2.2秒 06/30 名古屋3R 5着/12頭 ― ―
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 ▽ 前走実績前走 11着 (大敗) ○ ローテーション 25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 0.8% / 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。
11	ニシキエバー差し	丸山真（愛知）	実89.0	B× A▽勝率1% EV-35% 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 09/02 名古屋4R 7着/11頭+2.7秒 08/21 名古屋1R 4着/12頭+1.6秒 07/31 名古屋1R 9着/12頭+3.5秒 07/03 名古屋2R 6着/12頭+0.0秒 06/18 名古屋2R 7着/11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 6.7着 × 当競馬場適性 27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) × 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 0.7% / 期待値 -35% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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	アルティシエル推奨	丸野勝（愛知）	実12.3	B◎ A▲勝率13% EV+57% 詳細▼	市場が大きく過小評価、AI予想勝率36% × オッズ12.3倍で期待値+343%の有力候補（直近3走平均2.0着と安定／前走2着で力を示す）
前5走 09/02 名古屋1R 2着/9頭+0.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +343% (市場が大幅過小評価) AI 予想勝率 36.0% (オッズ暗示: 8.1%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 12.8% / 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。

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

B推奨Aモデル ▲

アルティシエル

騎手丸野勝（愛知）

単勝オッズ

12.3倍

AI期待値

+343%

買い目

¥700

全レースの推奨

AIの推奨本命の次点

○A:◎6フルーツベイビー

1.4倍

EV -60%

▲A:△3テーオーシーザー

14.0倍

EV +3%

出走馬全12頭

◎A:▲12

アルティシエル

丸野勝（愛知）

12.3倍

+343%

›

○A:◎6

フルーツベイビー

細川智（愛知）

1.4倍

-60%

›

▲A:△3

テーオーシーザー

望月洵（愛知）

14.0倍

+3%

›

△A:○7

プロットシッケンズ

木之葵（愛知）

9.0倍

-54%

›

△A:△5

ワルツプリンセス

渡邊竜（笠松）

13.3倍

-32%

›

△A:△9

ミカレオス

村上弘（愛知）

17.0倍

-13%

›

▽A:▽8

アルマフレイヤ

加藤聡（愛知）

24.4倍

+24%

›

▽A:▽4

シュトルムカイザー

今井貴（愛知）

44.2倍

+93%

›

×A:▽2

チェリーブルーム

近藤颯（愛知）

22.9倍

-57%

›

▽A:×1

デルマノリクラ

塚本征（愛知）

30.8倍

-42%

›

×A:▽11

ニシキエバー

丸山真（愛知）

89.0倍

-99%

›

×A:▽10

サンクスアミリオン

丹羽克（愛知）

152.8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

A. 市場込みモデル

単勝 7 プロットシッケンズ ¥200 実9.0倍期待値 -54% 不的中11着単勝 9.0倍

B. 市場除外+キャリブ

単勝 12 アルティシエル ¥700 実12.3倍期待値 +343% 不的中3着単勝 12.3倍

※ オッズは予測時点の値です。

4R 名古屋競馬場ダ1500m ダート1500m　発走 15:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デルマノリクラ	塚本征（愛知）	実30.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着／騎手は近50戦で勝率30%）
前5走 09/02 名古屋3R 3着/3頭 08/24 名古屋3R 4着/12頭+0.9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 3.5着 ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3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 1.4% (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。
2	チェリーブルーム	近藤颯（愛知）	実22.9	▽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 09/01 名古屋5R 2着/11頭+0.9秒 07/28 名古屋4R 6着/11頭+1.5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戦の調子平均 4.0着 △ 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 14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 2.6% (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	テーオーシーザー	望月洵（愛知）	実14.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着／騎手は近50戦で勝率28%）
前5走 09/01 名古屋4R 2着/10頭+0.1秒 08/18 名古屋5R 6着/12頭+5.5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 4.0着 ◎ 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 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) AI 予想勝率 9.7% (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。
4	シュトルムカイザー	今井貴（愛知）	実44.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着／騎手は近50戦で勝率20%）
前5走 09/01 名古屋3R 2着/10頭+0.3秒 08/18 名古屋3R 8着/12頭+4.1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 5.0着 ◎ 騎手近50戦勝率 20% (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) -33% (大幅な期待値マイナス) AI 予想勝率 1.5% (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。
5	ワルツプリンセス	渡邊竜（笠松）	実13.3	△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 08/24 名古屋1R 2着/11頭+1.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ 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) -53% (大幅な期待値マイナス) AI 予想勝率 3.6% (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。
6	フルーツベイビー	細川智（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）
前5走 08/24 名古屋2R 2着/12頭+1.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ○ 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) -46% (大幅な期待値マイナス) AI 予想勝率 38.6% (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。
7	プロットシッケンズ推奨	木之葵（愛知）	実9.0	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+81%の中穴候補（直近3走平均2.0着と安定／前走2着で力を示す／適度な間隔で状態万全）
前5走 09/01 名古屋6R 2着/11頭+0.5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 2.0着 (安定) ○ 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) +81% (市場が大幅過小評価) AI 予想勝率 20.2% (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。
8	アルマフレイヤ	加藤聡（愛知）	実24.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.0着と安定／前走2着）
前5走 08/24 名古屋3R 2着/12頭+0.1秒 ― ― ― ―
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 2.0着 (安定) ○ 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 22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 2.4% (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。
9	ミカレオス	村上弘（愛知）	実17.0	△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 9 ◎ 高評価⇄× 低評価の段階 (◎ ○ ▲ △ ▽ ×、金色の◎は鉄板級) △ 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) -2% (オッズ過剰評価) AI 予想勝率 5.7% (オッズ暗示: 5.9%) ※ 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	サンクスアミリオン	丹羽克（愛知）	実152.8	▽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 08/21 名古屋2R 11着/12頭+4.2秒 07/31 名古屋1R 3着/12頭+2.2秒 06/30 名古屋3R 5着/12頭 ― ―
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 ▽ 前走実績前走 11着 (大敗) ○ ローテーション 25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 0.8% (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。
11	ニシキエバー差し	丸山真（愛知）	実89.0	▽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10走で勝ち無し）
前5走 09/02 名古屋4R 7着/11頭+2.7秒 08/21 名古屋1R 4着/12頭+1.6秒 07/31 名古屋1R 9着/12頭+3.5秒 07/03 名古屋2R 6着/12頭+0.0秒 06/18 名古屋2R 7着/11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 6.7着 × 当競馬場適性 27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) × 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 0.7% (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	アルティシエル推奨	丸野勝（愛知）	実12.3	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+57%の中穴候補（直近3走平均2.0着と安定／前走2着で力を示す）
前5走 09/02 名古屋1R 2着/9頭+0.0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 2.0着 (安定) ○ 前走実績前走 2着 (好走) ◎ 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 12.8% (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。

AIの本命

AI評価1位

フルーツベイビー

騎手細川智（愛知）

単勝オッズ

1.4倍

AI期待値

-45%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○7プロットシッケンズ

9.0倍

EV +81%

▲12アルティシエル

12.3倍

EV +57%

出走馬全12頭

◎6

フルーツベイビー

細川智（愛知）

1.4倍

-45%

›

○7

プロットシッケンズ

木之葵（愛知）

9.0倍

+81%

›

▲12

アルティシエル

丸野勝（愛知）

12.3倍

+57%

›

△3

テーオーシーザー

望月洵（愛知）

14.0倍

+35%

›

△9

ミカレオス

村上弘（愛知）

17.0倍

-2%

›

△5

ワルツプリンセス

渡邊竜（笠松）

13.3倍

-52%

›

▽2

チェリーブルーム

近藤颯（愛知）

22.9倍

-41%

›

▽8

アルマフレイヤ

加藤聡（愛知）

24.4倍

-40%

›

▽4

シュトルムカイザー

今井貴（愛知）

44.2倍

-33%

›

×1

デルマノリクラ

塚本征（愛知）

30.8倍

-56%

›

▽10

サンクスアミリオン

丹羽克（愛知）

152.8倍

+24%

›

▽11

ニシキエバー

丸山真（愛知）

89.0倍

-35%

›

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

A. 市場込みモデル

単勝 7 プロットシッケンズ ¥200 実9.0倍期待値 +82% 不的中11着単勝 9.0倍

B. 市場除外+キャリブ

単勝 12 アルティシエル ¥700 実12.3倍期待値 +57% 不的中3着単勝 12.3倍

※ オッズは予測時点の値です。

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