札幌 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
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ホウオウチャールズ |
斎藤 |
実184.4 |
B▽ A▽勝率4% EV+696% 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) -49% (大幅な期待値マイナス) 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 11位 / 勝率 4.3% / 期待値 +696% ※ 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 |
ジングアップ |
池添 |
実46.8 |
B▽ A▽勝率6% EV+161% 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) -23% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 5.6% / 期待値 +161% ※ 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 |
ロスニーニョス |
古川吉 |
実293.0 |
B▽ A▽勝率4% EV+999% 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) -19% (オッズ過剰評価) AI 予想勝率 0.3% (オッズ暗示: 0.3%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 4.3% / 期待値 +1155% ※ 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 |
シンエンドーツダ |
岩田康 |
実3.6 |
B◎ A×勝率12% EV-56% 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) -23% (オッズ過剰評価) AI 予想勝率 21.3% (オッズ暗示: 27.8%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 12.0% / 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。 |
| 5 |
フロムザムーン |
▲大久保 |
実48.5 |
B▽ A▽勝率5% EV+145% 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) -20% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.1%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 5.1% / 期待値 +146% ※ 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 |
ニシノモリミチ |
▲小林美 |
実8.2 |
B△ A△勝率9% EV-28% 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) -15% (オッズ過剰評価) AI 予想勝率 10.4% (オッズ暗示: 12.2%) △Aモデルの評価 (参考) レース内 5位 / 勝率 8.7% / 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。 |
| 7 |
ダディーズソード |
◇古川奈 |
実283.3 |
B▽ A▽勝率4% EV+999% 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 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 0.3% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 4.3% / 期待値 +1115% ※ 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 |
デルマバンダイサン |
松本 |
実16.3 |
B▽ A△勝率7% EV+15% 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) -26% (オッズ過剰評価) AI 予想勝率 4.5% (オッズ暗示: 6.1%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.1% / 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。 |
| 9 |
ヘリオポリス |
▲和田陽 |
実449.0 |
B▽ A▽勝率4% EV+999% 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) +56% (市場が大幅過小評価) AI 予想勝率 0.3% (オッズ暗示: 0.2%) ▽Aモデルの評価 (参考) レース内 14位 / 勝率 4.3% / 期待値 +1823% ※ 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 |
リン |
横山和 |
実5.1 |
B△ A△勝率10% EV-47% 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) -18% (オッズ過剰評価) AI 予想勝率 16.0% (オッズ暗示: 19.6%) △Aモデルの評価 (参考) レース内 4位 / 勝率 10.4% / 期待値 -47% ※ 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 |
ビレッジルイーザ |
岩田望 |
実15.3 |
B△ A▽勝率7% EV+1% 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) -31% (大幅な期待値マイナス) AI 予想勝率 4.5% (オッズ暗示: 6.5%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 6.7% / 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。 |
| 12 |
マルシュボヌール |
北村友 |
実23.3 |
B▽ A▽勝率5% EV+26% 詳細▼ |
|
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) -19% (オッズ過剰評価) AI 予想勝率 3.5% (オッズ暗示: 4.3%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 5.4% / 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。 |
| 13 |
イトシサ |
☆舟山 |
実4.4 |
B○ A▲勝率11% EV-52% 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) -15% (オッズ過剰評価) AI 予想勝率 19.3% (オッズ暗示: 22.7%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 10.9% / 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。 |
| 14 |
インタノン |
佐々木 |
実4.6 |
B▲ A○勝率11% EV-48% 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 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 16.0% (オッズ暗示: 21.7%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 11.2% / 期待値 -49% ※ 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)
-23% (オッズ過剰評価)
AI 予想勝率
21.3% (オッズ暗示: 27.8%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 12.0% / 期待値 -57%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
19.3% (オッズ暗示: 22.7%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 10.9% / 期待値 -52%
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
16.0% (オッズ暗示: 21.7%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 11.2% / 期待値 -49%
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
16.0% (オッズ暗示: 19.6%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 10.4% / 期待値 -47%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
10.4% (オッズ暗示: 12.2%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 8.7% / 期待値 -29%
×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
4.5% (オッズ暗示: 6.5%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 6.7% / 期待値 +2%
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
4.5% (オッズ暗示: 6.1%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.1% / 期待値 +15%
△期待値 (オッズ vs AI勝率)
-19% (オッズ過剰評価)
AI 予想勝率
3.5% (オッズ暗示: 4.3%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 5.4% / 期待値 +27%
△期待値 (オッズ vs AI勝率)
-23% (オッズ過剰評価)
AI 予想勝率
1.7% (オッズ暗示: 2.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 5.6% / 期待値 +161%
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
1.7% (オッズ暗示: 2.1%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 5.1% / 期待値 +146%
🌟◎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
0.3% (オッズ暗示: 0.2%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 4.3% / 期待値 +1823%
×期待値 (オッズ vs AI勝率)
-49% (大幅な期待値マイナス)
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 11位 / 勝率 4.3% / 期待値 +696%
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
0.3% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 4.3% / 期待値 +1115%
△期待値 (オッズ vs AI勝率)
-19% (オッズ過剰評価)
AI 予想勝率
0.3% (オッズ暗示: 0.3%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 4.3% / 期待値 +1155%
💡 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 |
ホウオウチャールズ |
斎藤 |
実184.4 |
▽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) +696% (市場が大幅過小評価) AI 予想勝率 4.3% (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。 |
| 2 |
ジングアップ |
池添 |
実46.8 |
▽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) +161% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.1%) ※ 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。 |
| 3 |
ロスニーニョス |
古川吉 |
実293.0 |
▽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) +999% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 0.3%) ※ 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。 |
| 4 |
シンエンドーツダ |
岩田康 |
実3.6 |
×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) -57% (大幅な期待値マイナス) AI 予想勝率 12.0% (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。 |
| 5 |
フロムザムーン |
▲大久保 |
実48.5 |
▽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) +145% (市場が大幅過小評価) AI 予想勝率 5.1% (オッズ暗示: 2.1%) ※ 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 |
ニシノモリミチ |
▲小林美 |
実8.2 |
△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) -29% (オッズ過剰評価) AI 予想勝率 8.7% (オッズ暗示: 12.2%) ※ 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 |
ダディーズソード |
◇古川奈 |
実283.3 |
▽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 7 ◎ 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 4.3% (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。 |
| 8 |
デルマバンダイサン |
松本 |
実16.3 |
△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) +15% (市場と概ね一致) AI 予想勝率 7.1% (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。 |
| 9 |
ヘリオポリス |
▲和田陽 |
実449.0 |
▽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) +999% (市場が大幅過小評価) AI 予想勝率 4.3% (オッズ暗示: 0.2%) ※ 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 |
リン |
横山和 |
実5.1 |
△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) -47% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 19.6%) ※ 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。 |
| 11 |
ビレッジルイーザ |
岩田望 |
実15.3 |
▽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) +1% (市場と概ね一致) AI 予想勝率 6.7% (オッズ暗示: 6.5%) ※ 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。 |
| 12 |
マルシュボヌール |
北村友 |
実23.3 |
▽詳細▼ |
|
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) +26% (市場と概ね一致) AI 予想勝率 5.4% (オッズ暗示: 4.3%) ※ 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 |
イトシサ |
☆舟山 |
実4.4 |
▲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) -52% (大幅な期待値マイナス) AI 予想勝率 10.9% (オッズ暗示: 22.7%) ※ 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 |
インタノン |
佐々木 |
実4.6 |
○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 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 11.2% (オッズ暗示: 21.7%) ※ 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。 |
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)
-57% (大幅な期待値マイナス)
AI 予想勝率
12.0% (オッズ暗示: 27.8%)
×期待値 (オッズ vs AI勝率)
-49% (大幅な期待値マイナス)
AI 予想勝率
11.2% (オッズ暗示: 21.7%)
×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
10.9% (オッズ暗示: 22.7%)
×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
10.4% (オッズ暗示: 19.6%)
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
8.7% (オッズ暗示: 12.2%)
△期待値 (オッズ vs AI勝率)
+15% (市場と概ね一致)
AI 予想勝率
7.1% (オッズ暗示: 6.1%)
△期待値 (オッズ vs AI勝率)
+1% (市場と概ね一致)
AI 予想勝率
6.7% (オッズ暗示: 6.5%)
🌟◎期待値 (オッズ vs AI勝率)
+161% (市場が大幅過小評価)
AI 予想勝率
5.6% (オッズ暗示: 2.1%)
△期待値 (オッズ vs AI勝率)
+26% (市場と概ね一致)
AI 予想勝率
5.4% (オッズ暗示: 4.3%)
🌟◎期待値 (オッズ vs AI勝率)
+145% (市場が大幅過小評価)
AI 予想勝率
5.1% (オッズ暗示: 2.1%)
🌟◎期待値 (オッズ vs AI勝率)
+696% (市場が大幅過小評価)
AI 予想勝率
4.3% (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
4.3% (オッズ暗示: 0.4%)
🌟◎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
4.3% (オッズ暗示: 0.3%)
🌟◎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
4.3% (オッズ暗示: 0.2%)
💡 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。
