函館 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 |
サクセスゴールド |
吉田隼 |
実24.4 |
B▽ A▽勝率3% EV-35% 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) -38% (大幅な期待値マイナス) AI 予想勝率 2.5% (オッズ暗示: 4.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 2.6% / 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。 |
| 2 |
デルマバンダイサン |
松本 |
実8.9 |
B△ A△勝率8% 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) -10% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 11.2%) △Aモデルの評価 (参考) レース内 6位 / 勝率 8.3% / 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 |
ルージュリヴィエラ |
横山和 |
実5.7 |
B△ A△勝率15% EV-16% 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) -41% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 17.5%) △Aモデルの評価 (参考) レース内 4位 / 勝率 14.6% / 期待値 -17% ※ 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 |
ロジクリスエス |
黛 |
実67.2 |
B▽ A▽勝率1% EV-34% 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) -35% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.5%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.0% / 期待値 -34% ※ 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 |
マスカルポーネ |
丹内 |
実40.2 |
B▽ A×勝率1% EV-60% 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) -35% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.5%) ×Aモデルの評価 (参考) レース内 9位 / 勝率 1.0% / 期待値 -61% ※ 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 |
キヨタリート |
落合玄 |
実82.0 |
B▽ A▽勝率1% EV-38% 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) -44% (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 11位 / 勝率 0.7% / 期待値 -39% ※ 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 |
キセログラフィカ |
佐々木 |
実12.7 |
B▽ A▽勝率4% EV-46% 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) -22% (オッズ過剰評価) AI 予想勝率 6.1% (オッズ暗示: 7.9%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 4.2% / 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。 |
| 8 |
トーレス |
古川吉 |
実347.6 |
B▽ A▽勝率0% EV+40% 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 8 ◎ 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 0.1% (オッズ暗示: 0.3%) ▽Aモデルの評価 (参考) レース内 14位 / 勝率 0.4% / 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 |
ブレイズランナー |
☆長浜 |
実5.0 |
B○ A○勝率19% EV-4% 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) -6% (オッズ過剰評価) AI 予想勝率 18.9% (オッズ暗示: 20.0%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 19.0% / 期待値 -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 |
ドゥブルヴェ |
★河原田 |
実185.4 |
B▽ A▽勝率1% EV+27% 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 0.3% (オッズ暗示: 0.5%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 0.7% / 期待値 +28% ※ 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 |
ホウオウファラオ |
岩田康 |
実5.0 |
B▲ A▲勝率19% EV-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) -6% (オッズ過剰評価) AI 予想勝率 18.9% (オッズ暗示: 20.0%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 19.0% / 期待値 -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 |
スマートコーラル |
☆舟山 |
実8.5 |
B△ A△勝率9% EV-23% 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) -14% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 11.8%) △Aモデルの評価 (参考) レース内 5位 / 勝率 9.0% / 期待値 -23% ※ 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 |
ニシノモリミチ |
横山武 |
実3.7 |
B◎ A◎勝率19% EV-29% 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) -30% (大幅な期待値マイナス) AI 予想勝率 18.9% (オッズ暗示: 27.0%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 19.0% / 期待値 -30% ※ 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 |
ダイユウアドバンス |
斎藤 |
実129.4 |
B× A▽勝率0% EV-47% 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) -75% (大幅な期待値マイナス) AI 予想勝率 0.2% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 0.4% / 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。 |
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)
-30% (大幅な期待値マイナス)
AI 予想勝率
18.9% (オッズ暗示: 27.0%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 19.0% / 期待値 -30%
△期待値 (オッズ vs AI勝率)
-6% (オッズ過剰評価)
AI 予想勝率
18.9% (オッズ暗示: 20.0%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 19.0% / 期待値 -5%
△期待値 (オッズ vs AI勝率)
-6% (オッズ過剰評価)
AI 予想勝率
18.9% (オッズ暗示: 20.0%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 19.0% / 期待値 -5%
×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
10.4% (オッズ暗示: 17.5%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 14.6% / 期待値 -17%
△期待値 (オッズ vs AI勝率)
-14% (オッズ過剰評価)
AI 予想勝率
10.2% (オッズ暗示: 11.8%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 9.0% / 期待値 -23%
△期待値 (オッズ vs AI勝率)
-10% (オッズ過剰評価)
AI 予想勝率
10.2% (オッズ暗示: 11.2%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 8.3% / 期待値 -26%
△期待値 (オッズ vs AI勝率)
-22% (オッズ過剰評価)
AI 予想勝率
6.1% (オッズ暗示: 7.9%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 4.2% / 期待値 -46%
×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
2.5% (オッズ暗示: 4.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 2.6% / 期待値 -36%
×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
1.6% (オッズ暗示: 2.5%)
×Aモデルの評価 (参考)
レース内 9位 / 勝率 1.0% / 期待値 -61%
×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
1.0% (オッズ暗示: 1.5%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.0% / 期待値 -34%
×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
0.7% (オッズ暗示: 1.2%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 0.7% / 期待値 -39%
×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
0.3% (オッズ暗示: 0.5%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 0.7% / 期待値 +28%
×期待値 (オッズ vs AI勝率)
-75% (大幅な期待値マイナス)
AI 予想勝率
0.2% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 0.4% / 期待値 -48%
×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
0.1% (オッズ暗示: 0.3%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 0.4% / 期待値 +41%
💡 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 |
サクセスゴールド |
吉田隼 |
実24.4 |
▽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) -36% (大幅な期待値マイナス) AI 予想勝率 2.6% (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。 |
| 2 |
デルマバンダイサン |
松本 |
実8.9 |
△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) -26% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 11.2%) ※ 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 |
ルージュリヴィエラ |
横山和 |
実5.7 |
△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) -17% (オッズ過剰評価) AI 予想勝率 14.6% (オッズ暗示: 17.5%) ※ 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 |
ロジクリスエス |
黛 |
実67.2 |
▽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) -34% (大幅な期待値マイナス) AI 予想勝率 1.0% (オッズ暗示: 1.5%) ※ 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。 |
| 5 |
マスカルポーネ |
丹内 |
実40.2 |
×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) -61% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。 |
| 6 |
キヨタリート |
落合玄 |
実82.0 |
▽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) -39% (大幅な期待値マイナス) AI 予想勝率 0.7% (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 |
キセログラフィカ |
佐々木 |
実12.7 |
▽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) -46% (大幅な期待値マイナス) AI 予想勝率 4.2% (オッズ暗示: 7.9%) ※ 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。 |
| 8 |
トーレス |
古川吉 |
実347.6 |
▽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 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 0.4% (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。 |
| 9 |
ブレイズランナー |
☆長浜 |
実5.0 |
○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) -5% (オッズ過剰評価) AI 予想勝率 19.0% (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。 |
| 10 |
ドゥブルヴェ |
★河原田 |
実185.4 |
▽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) +27% (市場と概ね一致) AI 予想勝率 0.7% (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。 |
| 11 |
ホウオウファラオ |
岩田康 |
実5.0 |
▲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) -5% (オッズ過剰評価) AI 予想勝率 19.0% (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。 |
| 12 |
スマートコーラル |
☆舟山 |
実8.5 |
△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) -23% (オッズ過剰評価) AI 予想勝率 9.0% (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。 |
| 13 |
ニシノモリミチ |
横山武 |
実3.7 |
◎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) -30% (オッズ過剰評価) AI 予想勝率 19.0% (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。 |
| 14 |
ダイユウアドバンス |
斎藤 |
実129.4 |
▽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 14 ◎ 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 0.4% (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。 |
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)
-30% (オッズ過剰評価)
AI 予想勝率
19.0% (オッズ暗示: 27.0%)
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
19.0% (オッズ暗示: 20.0%)
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
19.0% (オッズ暗示: 20.0%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
14.6% (オッズ暗示: 17.5%)
△期待値 (オッズ vs AI勝率)
-23% (オッズ過剰評価)
AI 予想勝率
9.0% (オッズ暗示: 11.8%)
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
8.3% (オッズ暗示: 11.2%)
×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
4.2% (オッズ暗示: 7.9%)
×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
2.6% (オッズ暗示: 4.1%)
×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
1.0% (オッズ暗示: 2.5%)
×期待値 (オッズ vs AI勝率)
-34% (大幅な期待値マイナス)
AI 予想勝率
1.0% (オッズ暗示: 1.5%)
×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: 1.2%)
△期待値 (オッズ vs AI勝率)
+27% (市場と概ね一致)
AI 予想勝率
0.7% (オッズ暗示: 0.5%)
×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
0.4% (オッズ暗示: 0.8%)
◎期待値 (オッズ vs AI勝率)
+40% (妙味あり)
AI 予想勝率
0.4% (オッズ暗示: 0.3%)
💡 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。
