札幌 10R 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 |
イヌボウノウタゴエ |
横山武 |
実3.6 |
B◎ A×勝率12% EV-58% 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) +1% (市場と概ね一致) AI 予想勝率 28.1% (オッズ暗示: 27.8%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 11.6% / 期待値 -58% ※ 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 |
オンザヴィーナス |
★河原田 |
実127.9 |
B× A▽勝率4% EV+444% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 0.1% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 4.3% / 期待値 +444% ※ 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 |
ダノンプレサージュ |
横山典 |
実5.9 |
B▲ A△勝率9% EV-44% 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) -38% (大幅な期待値マイナス) AI 予想勝率 10.6% (オッズ暗示: 16.9%) △Aモデルの評価 (参考) レース内 4位 / 勝率 9.4% / 期待値 -44% ※ 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 |
オーケーダイナ |
泉谷 |
実88.5 |
B▽ A▽勝率4% EV+297% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 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 0.7% (オッズ暗示: 1.1%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 4.5% / 期待値 +298% ※ 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 |
ハヤブササキチャン |
吉田隼 |
実5.0 |
B△ A▲勝率10% EV-50% 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) -47% (大幅な期待値マイナス) AI 予想勝率 10.5% (オッズ暗示: 20.0%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 9.9% / 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。 |
| 6 |
アルディスティーノ |
横山琉 |
実18.5 |
B△ A△勝率8% EV+45% 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) +20% (市場と概ね一致) AI 予想勝率 6.5% (オッズ暗示: 5.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.9% / 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 |
ユーティジャーニー |
佐々木 |
実16.3 |
B▽ A▽勝率7% EV+8% 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) -38% (大幅な期待値マイナス) AI 予想勝率 3.8% (オッズ暗示: 6.1%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 6.6% / 期待値 +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。 |
| 8 |
ルールザウェイヴ |
武豊 |
実3.7 |
B○ A○勝率11% EV-57% 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) -18% (オッズ過剰評価) AI 予想勝率 22.2% (オッズ暗示: 27.0%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 11.4% / 期待値 -58% ※ 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 |
フェニーチェドーロ |
荻野琢 |
実210.8 |
B▽ A▽勝率4% EV+763% 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) -27% (オッズ過剰評価) AI 予想勝率 0.3% (オッズ暗示: 0.5%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 4.1% / 期待値 +763% ※ 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 |
ホワイトオーキッド |
北村友 |
実20.2 |
B▽ A▽勝率7% EV+33% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +25% (市場と概ね一致) AI 予想勝率 6.2% (オッズ暗示: 5.0%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 6.6% / 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。 |
| 11 |
アンディムジーク |
古川吉 |
実73.5 |
B▽ A▽勝率5% EV+283% 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) +20% (市場と概ね一致) AI 予想勝率 1.6% (オッズ暗示: 1.4%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 5.2% / 期待値 +284% ※ 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 |
ヴェガリア |
斎藤 |
実10.4 |
B△ A△勝率8% EV-14% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
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) -32% (大幅な期待値マイナス) AI 予想勝率 6.5% (オッズ暗示: 9.6%) △Aモデルの評価 (参考) レース内 5位 / 勝率 8.2% / 期待値 -15% ※ 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 |
スピナーリート |
横山和 |
実26.7 |
B▽ A▽勝率6% EV+63% 詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 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 2.6% (オッズ暗示: 3.7%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 6.1% / 期待値 +64% ※ 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。 |
| 14 |
イズントイット |
小沢 |
実279.1 |
B× A▽勝率4% EV+999% 詳細▼ |
|
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 0.1% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 14位 / 勝率 4.1% / 期待値 +1032% ※ 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
AIの推奨本命の次点
出走馬全14頭
△期待値 (オッズ vs AI勝率)
+1% (市場と概ね一致)
AI 予想勝率
28.1% (オッズ暗示: 27.8%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 11.6% / 期待値 -58%
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
22.2% (オッズ暗示: 27.0%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 11.4% / 期待値 -58%
×期待値 (オッズ vs AI勝率)
-38% (大幅な期待値マイナス)
AI 予想勝率
10.6% (オッズ暗示: 16.9%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 9.4% / 期待値 -44%
×期待値 (オッズ vs AI勝率)
-47% (大幅な期待値マイナス)
AI 予想勝率
10.5% (オッズ暗示: 20.0%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 9.9% / 期待値 -50%
×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
6.5% (オッズ暗示: 9.6%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 8.2% / 期待値 -15%
△期待値 (オッズ vs AI勝率)
+20% (市場と概ね一致)
AI 予想勝率
6.5% (オッズ暗示: 5.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.9% / 期待値 +46%
△期待値 (オッズ vs AI勝率)
+25% (市場と概ね一致)
AI 予想勝率
6.2% (オッズ暗示: 5.0%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 6.6% / 期待値 +33%
×期待値 (オッズ vs AI勝率)
-38% (大幅な期待値マイナス)
AI 予想勝率
3.8% (オッズ暗示: 6.1%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 6.6% / 期待値 +8%
×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
2.6% (オッズ暗示: 3.7%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 6.1% / 期待値 +64%
△期待値 (オッズ vs AI勝率)
+20% (市場と概ね一致)
AI 予想勝率
1.6% (オッズ暗示: 1.4%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 5.2% / 期待値 +284%
×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
0.7% (オッズ暗示: 1.1%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 4.5% / 期待値 +298%
△期待値 (オッズ vs AI勝率)
-27% (オッズ過剰評価)
AI 予想勝率
0.3% (オッズ暗示: 0.5%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 4.1% / 期待値 +763%
×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
0.1% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 4.3% / 期待値 +444%
×期待値 (オッズ vs AI勝率)
-59% (大幅な期待値マイナス)
AI 予想勝率
0.1% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 4.1% / 期待値 +1032%
💡 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 |
イヌボウノウタゴエ |
横山武 |
実3.6 |
×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) -58% (大幅な期待値マイナス) AI 予想勝率 11.6% (オッズ暗示: 27.8%) ※ 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。 |
| 2 |
オンザヴィーナス |
★河原田 |
実127.9 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +444% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 0.8%) ※ 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。 |
| 3 |
ダノンプレサージュ |
横山典 |
実5.9 |
△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) -44% (大幅な期待値マイナス) AI 予想勝率 9.4% (オッズ暗示: 16.9%) ※ 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。 |
| 4 |
オーケーダイナ |
泉谷 |
実88.5 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎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 4.5% (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。 |
| 5 |
ハヤブササキチャン |
吉田隼 |
実5.0 |
▲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) -50% (大幅な期待値マイナス) AI 予想勝率 9.9% (オッズ暗示: 20.0%) ※ 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。 |
| 6 |
アルディスティーノ |
横山琉 |
実18.5 |
△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) +45% (妙味あり) AI 予想勝率 7.9% (オッズ暗示: 5.4%) ※ 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 |
ユーティジャーニー |
佐々木 |
実16.3 |
▽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) +8% (市場と概ね一致) AI 予想勝率 6.6% (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。 |
| 8 |
ルールザウェイヴ |
武豊 |
実3.7 |
○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) -58% (大幅な期待値マイナス) AI 予想勝率 11.4% (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。 |
| 9 |
フェニーチェドーロ |
荻野琢 |
実210.8 |
▽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) +763% (市場が大幅過小評価) AI 予想勝率 4.1% (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。 |
| 10 |
ホワイトオーキッド |
北村友 |
実20.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 6.6% (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。 |
| 11 |
アンディムジーク |
古川吉 |
実73.5 |
▽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) +283% (市場が大幅過小評価) AI 予想勝率 5.2% (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。 |
| 12 |
ヴェガリア |
斎藤 |
実10.4 |
△詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
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) -15% (オッズ過剰評価) AI 予想勝率 8.2% (オッズ暗示: 9.6%) ※ 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。 |
| 13 |
スピナーリート |
横山和 |
実26.7 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 3.7%) ※ 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。 |
| 14 |
イズントイット |
小沢 |
実279.1 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 14 ◎ 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 4.1% (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。 |
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
AIの推奨本命の次点
出走馬全14頭
×期待値 (オッズ vs AI勝率)
-58% (大幅な期待値マイナス)
AI 予想勝率
11.6% (オッズ暗示: 27.8%)
×期待値 (オッズ vs AI勝率)
-58% (大幅な期待値マイナス)
AI 予想勝率
11.4% (オッズ暗示: 27.0%)
×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
9.9% (オッズ暗示: 20.0%)
×期待値 (オッズ vs AI勝率)
-44% (大幅な期待値マイナス)
AI 予想勝率
9.4% (オッズ暗示: 16.9%)
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
8.2% (オッズ暗示: 9.6%)
◎期待値 (オッズ vs AI勝率)
+45% (妙味あり)
AI 予想勝率
7.9% (オッズ暗示: 5.4%)
△期待値 (オッズ vs AI勝率)
+8% (市場と概ね一致)
AI 予想勝率
6.6% (オッズ暗示: 6.1%)
◎期待値 (オッズ vs AI勝率)
+33% (妙味あり)
AI 予想勝率
6.6% (オッズ暗示: 5.0%)
🌟◎期待値 (オッズ vs AI勝率)
+63% (市場が大幅過小評価)
AI 予想勝率
6.1% (オッズ暗示: 3.7%)
🌟◎期待値 (オッズ vs AI勝率)
+283% (市場が大幅過小評価)
AI 予想勝率
5.2% (オッズ暗示: 1.4%)
🌟◎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
4.5% (オッズ暗示: 1.1%)
🌟◎期待値 (オッズ vs AI勝率)
+444% (市場が大幅過小評価)
AI 予想勝率
4.3% (オッズ暗示: 0.8%)
🌟◎期待値 (オッズ vs AI勝率)
+763% (市場が大幅過小評価)
AI 予想勝率
4.1% (オッズ暗示: 0.5%)
🌟◎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
4.1% (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。
