札幌 2R 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

2R 札幌競馬場　発走 10:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スカイピア	▲小林美	実8.8	B△ A△勝率8% EV-26% 詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（78日ぶりの実戦）
前5走 11/30 4京都81R 12着/16頭+2.5秒 11/15 5東京32R 7着/17頭+0.6秒 10/26 4新潟42R 7着/13頭+0.8秒 08/24 2札幌22R 8着/11頭+1.9秒 08/09 1札幌51R 4着/12頭+0.3秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.3着 △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 10.5% (オッズ暗示: 11.4%) △ Aモデルの評価 (参考) レース内 4位 / 勝率 8.4% / 期待値 -27% ※ 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	ニシノマーレ	横山武	実13.9	B△ A△勝率7% EV-3% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（71日ぶりの実戦）
前5走 12/06 5中山13R 4着/15頭+0.2秒 11/09 5東京21R 3着/16頭+0.4秒 10/11 4東京31R 3着/10頭+0.1秒 08/17 2新潟83R 2着/11頭+0.3秒 07/26 2新潟12R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 6.4% (オッズ暗示: 7.2%) △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.0% / 期待値 -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。
3	ペカリーナ	丹内	実2.9	B◎ A×勝率13% EV-62% 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（77日ぶりの実戦）
前5走 12/27 5中山75R 14着/16頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 28.7% (オッズ暗示: 34.5%) × Aモデルの評価 (参考) レース内 1位 / 勝率 12.9% / 期待値 -63% ※ 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	シーシェル	黛	実122.3	B× A▽勝率4% EV+433% 詳細▼	大穴、AI予想勝率低く長期回収困難（141日ぶりの実戦）
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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.5着 △ ローテーション 141日休養明け × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 0.3% (オッズ暗示: 0.8%) ▽ Aモデルの評価 (参考) レース内 13位 / 勝率 4.4% / 期待値 +433% ※ 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	モンテール	横山琉	実12.2	B△ A△勝率8% EV0% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／92日ぶりの実戦）
前5走 12/21 5中山67R 11着/16頭+2.3秒 10/04 4東京13R 12着/17頭+1.5秒 ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 7.5% (オッズ暗示: 8.2%) △ Aモデルの評価 (参考) レース内 5位 / 勝率 8.2% / 期待値 -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	ロックフラワー	石川倭	実82.5	B▽ A▽勝率5% EV+305% 詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ★ 新馬戦 (初出走)
AI 評価の内訳 — 馬番 6 ◎ 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 12位 (中位評価) × 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 0.7% (オッズ暗示: 1.2%) ▽ Aモデルの評価 (参考) レース内 12位 / 勝率 4.9% / 期待値 +306% ※ 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	ポセイドンテソーロ	☆長浜	実38.5	B▽ A▽勝率5% EV+102% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調／78日ぶりの実戦）
前5走 12/20 5中京51R 14着/16頭+1.6秒 12/06 5中山11R 9着/15頭+2.4秒 09/15 4中山51R 7着/16頭+1.0秒 06/21 3東京56R 11着/16頭+3.1秒 ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 1.7% (オッズ暗示: 2.6%) ▽ Aモデルの評価 (参考) レース内 10位 / 勝率 5.3% / 期待値 +103% ※ 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	エグジスタンス	佐々木	実4.2	B○ A○勝率11% EV-53% 詳細▼	AI上位評価だが期待値不足、見送り（105日ぶりの実戦）
前5走 11/29 4京都72R 8着/11頭+4.3秒 11/15 3福島33R 7着/16頭+0.5秒 08/17 3中京81R 5着/7頭+1.7秒 08/10 3中京64R 10着/13頭+1.3秒 ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.0着 △ ローテーション 105日休養明け △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 19.6% (オッズ暗示: 23.8%) ○ Aモデルの評価 (参考) レース内 2位 / 勝率 11.0% / 期待値 -54% ※ 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	ミアエッテ	☆舟山	実44.2	B▽ A▽勝率5% EV+123% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調／91日ぶりの実戦）
前5走 12/13 5中山33R 7着/16頭+1.0秒 11/24 5東京62R 11着/18頭+1.5秒 09/07 2札幌61R 2着/8頭+0.3秒 08/23 2札幌15R 2着/9頭+1.2秒 ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.7着 (不振) ▽ 前走実績前走 16着 (大敗) △ ローテーション 91日休養明け △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.3%) ▽ Aモデルの評価 (参考) レース内 11位 / 勝率 5.1% / 期待値 +124% ※ 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	グローリーバローズ	鮫島駿	実20.0	B▽ A▽勝率6% EV+14% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（189日ぶりの実戦）
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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 △ ローテーション 189日休養明け △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 5.0%) ▽ Aモデルの評価 (参考) レース内 9位 / 勝率 5.7% / 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。
11	ショウナンバーボン	西村淳	実6.0	B▲ A▲勝率10% EV-37% 詳細▼	AI上位評価だが期待値不足、見送り（64日ぶりの実戦）
前5走 12/20 5中山53R 10着/16頭+1.5秒 08/30 2札幌32R 3着/7頭+0.9秒 08/17 1札幌85R 3着/5頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 × 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 11.7% (オッズ暗示: 16.7%) ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 10.4% / 期待値 -38% ※ 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	ブルーエ	原田和	実15.6	B▽ A▽勝率7% EV+2% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／98日ぶりの実戦）
前5走 10/11 4東京31R 7着/10頭+0.8秒 09/20 4中山65R 9着/16頭+0.7秒 ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 ○ 前走実績前走 3着 (好走) △ ローテーション 98日休養明け × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 6.4%) ▽ Aモデルの評価 (参考) レース内 7位 / 勝率 6.6% / 期待値 +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。
13	アトリ	北村友	実19.8	B▽ A▽勝率6% EV+17% 詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／92日ぶりの実戦）
前5走 12/27 5阪神74R 13着/15頭+1.8秒 12/06 5中京15R 4着/14頭+1.1秒 10/12 4東京43R 6着/10頭+0.7秒 09/20 4阪神65R 8着/14頭+1.8秒 ―
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 5.1%) ▽ Aモデルの評価 (参考) レース内 8位 / 勝率 6.0% / 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。
14	メイショウタダツグ	西塚	実173.1	B× A▽勝率4% EV+652% 詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.0着と低調）
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 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.0着 (不振) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.6%) ▽ Aモデルの評価 (参考) レース内 14位 / 勝率 4.3% / 期待値 +652% ※ 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の本命

AI評価1位Aモデル ×

ペカリーナ

騎手丹内

単勝オッズ

2.9倍

AI期待値

-16%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:○8エグジスタンス

4.2倍

EV -17%

▲A:▲11ショウナンバーボン

6.0倍

EV -30%

出走馬全14頭

◎A:×3

ペカリーナ

丹内

2.9倍

-16%

›

○A:○8

エグジスタンス

佐々木

4.2倍

-17%

›

▲A:▲11

ショウナンバーボン

西村淳

6.0倍

-30%

›

△A:△1

スカイピア

▲小林美

8.8倍

-7%

›

△A:△5

モンテール

横山琉

12.2倍

-8%

›

△A:△2

ニシノマーレ

横山武

13.9倍

-11%

›

▽A:▽12

ブルーエ

原田和

15.6倍

-39%

›

▽A:▽13

アトリ

北村友

19.8倍

-27%

›

▽A:▽10

グローリーバローズ

鮫島駿

20.0倍

-26%

›

▽A:▽7

ポセイドンテソーロ

☆長浜

38.5倍

-35%

›

▽A:▽9

ミアエッテ

☆舟山

44.2倍

-25%

›

▽A:▽6

ロックフラワー

石川倭

82.5倍

-41%

›

×A:▽4

シーシェル

黛

122.3倍

-65%

›

×A:▽14

メイショウタダツグ

西塚

173.1倍

-65%

›

💡 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）

2R 札幌競馬場　発走 10:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	スカイピア	▲小林美	実8.8	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（78日ぶりの実戦）
前5走 11/30 4京都81R 12着/16頭+2.5秒 11/15 5東京32R 7着/17頭+0.6秒 10/26 4新潟42R 7着/13頭+0.8秒 08/24 2札幌22R 8着/11頭+1.9秒 08/09 1札幌51R 4着/12頭+0.3秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.3着 △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 8.4% (オッズ暗示: 11.4%) ※ 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。
2	ニシノマーレ	横山武	実13.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（71日ぶりの実戦）
前5走 12/06 5中山13R 4着/15頭+0.2秒 11/09 5東京21R 3着/16頭+0.4秒 10/11 4東京31R 3着/10頭+0.1秒 08/17 2新潟83R 2着/11頭+0.3秒 07/26 2新潟12R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.7着 △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 7.0% (オッズ暗示: 7.2%) ※ 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。
3	ペカリーナ	丹内	実2.9	×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（77日ぶりの実戦）
前5走 12/27 5中山75R 14着/16頭+1.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 12.9% (オッズ暗示: 34.5%) ※ 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。
4	シーシェル	黛	実122.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（141日ぶりの実戦）
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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.5着 △ ローテーション 141日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +433% (市場が大幅過小評価) AI 予想勝率 4.4% (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。
5	モンテール	横山琉	実12.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／92日ぶりの実戦）
前5走 12/21 5中山67R 11着/16頭+2.3秒 10/04 4東京13R 12着/17頭+1.5秒 ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 8.2% (オッズ暗示: 8.2%) ※ 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。
6	ロックフラワー	石川倭	実82.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ★ 新馬戦 (初出走)
AI 評価の内訳 — 馬番 6 ◎ 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 12位 (中位評価) 🌟◎ 期待値 (オッズ vs AI勝率) +305% (市場が大幅過小評価) AI 予想勝率 4.9% (オッズ暗示: 1.2%) ※ 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。
7	ポセイドンテソーロ	☆長浜	実38.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調／78日ぶりの実戦）
前5走 12/20 5中京51R 14着/16頭+1.6秒 12/06 5中山11R 9着/15頭+2.4秒 09/15 4中山51R 7着/16頭+1.0秒 06/21 3東京56R 11着/16頭+3.1秒 ―
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +102% (市場が大幅過小評価) AI 予想勝率 5.3% (オッズ暗示: 2.6%) ※ 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。
8	エグジスタンス	佐々木	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（105日ぶりの実戦）
前5走 11/29 4京都72R 8着/11頭+4.3秒 11/15 3福島33R 7着/16頭+0.5秒 08/17 3中京81R 5着/7頭+1.7秒 08/10 3中京64R 10着/13頭+1.3秒 ―
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 6.0着 △ ローテーション 105日休養明け × 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 11.0% (オッズ暗示: 23.8%) ※ 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。
9	ミアエッテ	☆舟山	実44.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調／91日ぶりの実戦）
前5走 12/13 5中山33R 7着/16頭+1.0秒 11/24 5東京62R 11着/18頭+1.5秒 09/07 2札幌61R 2着/8頭+0.3秒 08/23 2札幌15R 2着/9頭+1.2秒 ―
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 11.7着 (不振) ▽ 前走実績前走 16着 (大敗) △ ローテーション 91日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +123% (市場が大幅過小評価) AI 予想勝率 5.1% (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。
10	グローリーバローズ	鮫島駿	実20.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（189日ぶりの実戦）
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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 △ ローテーション 189日休養明け △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 5.7% (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	ショウナンバーボン	西村淳	実6.0	▲詳細▼	AI上位評価だが期待値不足、見送り（64日ぶりの実戦）
前5走 12/20 5中山53R 10着/16頭+1.5秒 08/30 2札幌32R 3着/7頭+0.9秒 08/17 1札幌85R 3着/5頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.3着 × 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 10.4% (オッズ暗示: 16.7%) ※ 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。
12	ブルーエ	原田和	実15.6	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／98日ぶりの実戦）
前5走 10/11 4東京31R 7着/10頭+0.8秒 09/20 4中山65R 9着/16頭+0.7秒 ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 4.0着 ○ 前走実績前走 3着 (好走) △ ローテーション 98日休養明け △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 6.6% (オッズ暗示: 6.4%) ※ 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。
13	アトリ	北村友	実19.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調／92日ぶりの実戦）
前5走 12/27 5阪神74R 13着/15頭+1.8秒 12/06 5中京15R 4着/14頭+1.1秒 10/12 4東京43R 6着/10頭+0.7秒 09/20 4阪神65R 8着/14頭+1.8秒 ―
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.7着 (不振) ▽ 前走実績前走 12着 (大敗) △ ローテーション 92日休養明け △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 6.0% (オッズ暗示: 5.1%) ※ 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。
14	メイショウタダツグ	西塚	実173.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均12.0着と低調）
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 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 12.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +652% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 0.6%) ※ 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

ペカリーナ

騎手丹内

単勝オッズ

2.9倍

AI期待値

-62%

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○8エグジスタンス

4.2倍

EV -53%

▲11ショウナンバーボン

6.0倍

EV -37%

出走馬全14頭

×3

ペカリーナ

丹内

2.9倍

-62%

›

○8

エグジスタンス

佐々木

4.2倍

-53%

›

▲11

ショウナンバーボン

西村淳

6.0倍

-37%

›

△1

スカイピア

▲小林美

8.8倍

-26%

›

△5

モンテール

横山琉

12.2倍

›

△2

ニシノマーレ

横山武

13.9倍

-3%

›

▽12

ブルーエ

原田和

15.6倍

+2%

›

▽13

アトリ

北村友

19.8倍

+17%

›

▽10

グローリーバローズ

鮫島駿

20.0倍

+14%

›

▽7

ポセイドンテソーロ

☆長浜

38.5倍

+102%

›

▽9

ミアエッテ

☆舟山

44.2倍

+123%

›

▽6

ロックフラワー

石川倭

82.5倍

+305%

›

▽4

シーシェル

黛

122.3倍

+433%

›

▽14

メイショウタダツグ

西塚

173.1倍

+652%

›

💡 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）

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）

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。