函館 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
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
シルフ |
▲和田陽 |
実39.4 |
B▽ A▽勝率5% EV+82% 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) +181% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 2.5%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 4.6% / 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。 |
| 2 |
ワンダーアスク |
川又 |
実8.5 |
B△ A△勝率9% EV-26% 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) -39% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 11.8%) △Aモデルの評価 (参考) レース内 5位 / 勝率 8.7% / 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。 |
| 3 |
タガノシルフィー |
浜中 |
実4.9 |
B○ A○勝率11% EV-48% 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) -65% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 20.4%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 10.6% / 期待値 -48% ※ 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 |
フレンチブラッサム |
横山和 |
実9.7 |
B△ A△勝率8% EV-22% 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) -31% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 10.3%) △Aモデルの評価 (参考) レース内 6位 / 勝率 8.0% / 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。 |
| 5 |
コイバナ |
岩田康 |
実49.2 |
B▽ A▽勝率5% EV+122% 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) +251% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 2.0%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 4.5% / 期待値 +123% ※ 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 |
マーゴットクリュグ |
松本 |
実13.8 |
B▽ A▽勝率7% EV-7% 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) -1% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 7.2%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 6.7% / 期待値 -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。 |
| 7 |
サラサチャチャチャ |
丹内 |
実6.0 |
B△ A▲勝率10% EV-42% 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) -57% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 16.7%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 9.6% / 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。 |
| 8 |
メリオルヴィア |
佐々木 |
実11.5 |
B▽ A▽勝率8% EV-13% 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 7.1% (オッズ暗示: 8.7%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.5% / 期待値 -13% ※ 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 |
チカマヨルキーナ |
☆長浜 |
実138.8 |
B▽ A▽勝率4% EV+479% 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) +891% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.7%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 4.2% / 期待値 +480% ※ 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 |
ジーティービキニ |
北村友 |
実4.6 |
B× A×勝率11% EV-50% 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) -67% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 21.7%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 10.8% / 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。 |
| 11 |
ウォータースパウト |
横山武 |
実5.4 |
B▲ A△勝率10% EV-48% 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) -61% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 18.5%) △Aモデルの評価 (参考) レース内 4位 / 勝率 9.6% / 期待値 -48% ※ 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 |
ブエノスオプティマ 推奨 |
横山琉 |
実21.5 |
B▽ A▽勝率7% EV+45% 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) +53% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 4.7%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 6.8% / 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。 |
| 13 |
サマースプラッシュ |
◇古川奈 |
実224.3 |
B▽ A▽勝率4% EV+836% 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) +999% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 4.2% / 期待値 +836% ※ 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 |
ベッラモレーン |
△鷲頭 |
実231.1 |
B▽ A▽勝率4% EV+864% 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 7.1% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 14位 / 勝率 4.2% / 期待値 +865% ※ 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)
-67% (大幅な期待値マイナス)
AI 予想勝率
7.1% (オッズ暗示: 21.7%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 10.8% / 期待値 -50%
×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
7.1% (オッズ暗示: 20.4%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 10.6% / 期待値 -48%
×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
7.1% (オッズ暗示: 18.5%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 9.6% / 期待値 -48%
×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
7.1% (オッズ暗示: 16.7%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 9.6% / 期待値 -42%
×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
7.1% (オッズ暗示: 11.8%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 8.7% / 期待値 -26%
×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
7.1% (オッズ暗示: 10.3%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 8.0% / 期待値 -22%
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 8.7%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.5% / 期待値 -13%
△期待値 (オッズ vs AI勝率)
-1% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 7.2%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 6.7% / 期待値 -7%
🌟◎期待値 (オッズ vs AI勝率)
+53% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 4.7%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 6.8% / 期待値 +46%
🌟◎期待値 (オッズ vs AI勝率)
+181% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 2.5%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 4.6% / 期待値 +82%
🌟◎期待値 (オッズ vs AI勝率)
+251% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 2.0%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 4.5% / 期待値 +123%
🌟◎期待値 (オッズ vs AI勝率)
+891% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.7%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 4.2% / 期待値 +480%
🌟◎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
7.1% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 4.2% / 期待値 +836%
🌟◎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
7.1% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 4.2% / 期待値 +865%
💡 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 (AI 期待値プラス判定)
A. 現行モデル (binary)
このモデルは本レース見送り判定（期待値プラスなし）
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
12
ブエノスオプティマ
実21.5倍
期待値 +53%
推奨 14.0〜30.0倍
100円
❌不的中
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
シルフ |
▲和田陽 |
実39.4 |
▽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) +82% (市場が大幅過小評価) AI 予想勝率 4.6% (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。 |
| 2 |
ワンダーアスク |
川又 |
実8.5 |
△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) -26% (オッズ過剰評価) AI 予想勝率 8.7% (オッズ暗示: 11.8%) ※ 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 |
タガノシルフィー |
浜中 |
実4.9 |
○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) -48% (大幅な期待値マイナス) AI 予想勝率 10.6% (オッズ暗示: 20.4%) ※ 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。 |
| 4 |
フレンチブラッサム |
横山和 |
実9.7 |
△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) -22% (オッズ過剰評価) AI 予想勝率 8.0% (オッズ暗示: 10.3%) ※ 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 |
コイバナ |
岩田康 |
実49.2 |
▽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) +122% (市場が大幅過小評価) AI 予想勝率 4.5% (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。 |
| 6 |
マーゴットクリュグ |
松本 |
実13.8 |
▽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) -7% (オッズ過剰評価) AI 予想勝率 6.7% (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。 |
| 7 |
サラサチャチャチャ |
丹内 |
実6.0 |
▲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) -42% (大幅な期待値マイナス) AI 予想勝率 9.6% (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。 |
| 8 |
メリオルヴィア |
佐々木 |
実11.5 |
▽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) -13% (オッズ過剰評価) AI 予想勝率 7.5% (オッズ暗示: 8.7%) ※ 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。 |
| 9 |
チカマヨルキーナ |
☆長浜 |
実138.8 |
▽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) +479% (市場が大幅過小評価) AI 予想勝率 4.2% (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。 |
| 10 |
ジーティービキニ |
北村友 |
実4.6 |
×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) -50% (大幅な期待値マイナス) AI 予想勝率 10.8% (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。 |
| 11 |
ウォータースパウト |
横山武 |
実5.4 |
△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) -48% (大幅な期待値マイナス) AI 予想勝率 9.6% (オッズ暗示: 18.5%) ※ 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 |
ブエノスオプティマ 推奨 |
横山琉 |
実21.5 |
▽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) +45% (妙味あり) AI 予想勝率 6.8% (オッズ暗示: 4.7%) ※ 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。 |
| 13 |
サマースプラッシュ |
◇古川奈 |
実224.3 |
▽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) +836% (市場が大幅過小評価) AI 予想勝率 4.2% (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。 |
| 14 |
ベッラモレーン |
△鷲頭 |
実231.1 |
▽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) +864% (市場が大幅過小評価) AI 予想勝率 4.2% (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)
-50% (大幅な期待値マイナス)
AI 予想勝率
10.8% (オッズ暗示: 21.7%)
×期待値 (オッズ vs AI勝率)
-48% (大幅な期待値マイナス)
AI 予想勝率
10.6% (オッズ暗示: 20.4%)
×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
9.6% (オッズ暗示: 16.7%)
×期待値 (オッズ vs AI勝率)
-48% (大幅な期待値マイナス)
AI 予想勝率
9.6% (オッズ暗示: 18.5%)
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
8.7% (オッズ暗示: 11.8%)
△期待値 (オッズ vs AI勝率)
-22% (オッズ過剰評価)
AI 予想勝率
8.0% (オッズ暗示: 10.3%)
△期待値 (オッズ vs AI勝率)
-13% (オッズ過剰評価)
AI 予想勝率
7.5% (オッズ暗示: 8.7%)
◎期待値 (オッズ vs AI勝率)
+45% (妙味あり)
AI 予想勝率
6.8% (オッズ暗示: 4.7%)
△期待値 (オッズ vs AI勝率)
-7% (オッズ過剰評価)
AI 予想勝率
6.7% (オッズ暗示: 7.2%)
🌟◎期待値 (オッズ vs AI勝率)
+82% (市場が大幅過小評価)
AI 予想勝率
4.6% (オッズ暗示: 2.5%)
🌟◎期待値 (オッズ vs AI勝率)
+122% (市場が大幅過小評価)
AI 予想勝率
4.5% (オッズ暗示: 2.0%)
🌟◎期待値 (オッズ vs AI勝率)
+479% (市場が大幅過小評価)
AI 予想勝率
4.2% (オッズ暗示: 0.7%)
🌟◎期待値 (オッズ vs AI勝率)
+836% (市場が大幅過小評価)
AI 予想勝率
4.2% (オッズ暗示: 0.4%)
🌟◎期待値 (オッズ vs AI勝率)
+864% (市場が大幅過小評価)
AI 予想勝率
4.2% (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 (AI 期待値プラス判定)
A. 現行モデル (binary)
このモデルは本レース見送り判定（期待値プラスなし）
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
12
ブエノスオプティマ
実21.5倍
期待値 +53%
推奨 14.0〜30.0倍
100円
❌不的中
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。
