函館 8R 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 |
レストプレドゥモア |
小沢 |
実8.9 |
B△ A△勝率10% EV-15% 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) -22% (オッズ過剰評価) AI 予想勝率 8.7% (オッズ暗示: 11.2%) △Aモデルの評価 (参考) レース内 6位 / 勝率 9.5% / 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。 |
| 2 |
プレザントトーン |
佐々木 |
実164.0 |
B▽ A▽勝率1% EV+115% 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) -6% (オッズ過剰評価) AI 予想勝率 0.6% (オッズ暗示: 0.6%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.3% / 期待値 +115% ※ 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 |
イングラム |
☆舟山 |
実2.4 |
B🌟◎ A◎勝率22% EV-47% 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) -25% (オッズ過剰評価) AI 予想勝率 31.3% (オッズ暗示: 41.7%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 22.0% / 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。 |
| 4 |
ワイドデコラシオン |
横山武 |
実5.4 |
B△ A○勝率15% EV-21% 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) -44% (大幅な期待値マイナス) AI 予想勝率 10.4% (オッズ暗示: 18.5%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 14.6% / 期待値 -21% ※ 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 |
グレイトソン |
▲和田陽 |
実6.8 |
B○ A▲勝率15% EV0% 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) +7% (市場と概ね一致) AI 予想勝率 15.9% (オッズ暗示: 14.7%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 14.6% / 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 |
キャンドルマス |
武豊 |
実6.8 |
B▲ A△勝率15% EV0% 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% (市場と概ね一致) AI 予想勝率 15.9% (オッズ暗示: 14.7%) △Aモデルの評価 (参考) レース内 4位 / 勝率 14.6% / 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。 |
| 7 |
グッバイウェーブ |
丹内 |
実35.4 |
B▽ A▽勝率3% EV-2% 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) -24% (オッズ過剰評価) AI 予想勝率 2.1% (オッズ暗示: 2.8%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 2.8% / 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。 |
| 8 |
フレンズプラス |
荻野琢 |
実7.7 |
B△ A△勝率12% EV-4% 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) -30% (オッズ過剰評価) AI 予想勝率 9.1% (オッズ暗示: 13.0%) △Aモデルの評価 (参考) レース内 5位 / 勝率 12.4% / 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。 |
| 9 |
メイショウハッブル |
★河原田 |
実24.1 |
B▽ A▽勝率3% EV-33% 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) -28% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 4.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 2.8% / 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。 |
| 10 |
タイセイモノリス |
横山和 |
実23.4 |
B▽ A▽勝率5% EV+26% 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) -30% (大幅な期待値マイナス) AI 予想勝率 3.0% (オッズ暗示: 4.3%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 5.4% / 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。 |
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10頭
△期待値 (オッズ vs AI勝率)
-25% (オッズ過剰評価)
AI 予想勝率
31.3% (オッズ暗示: 41.7%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 22.0% / 期待値 -47%
△期待値 (オッズ vs AI勝率)
+7% (市場と概ね一致)
AI 予想勝率
15.9% (オッズ暗示: 14.7%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 14.6% / 期待値 -1%
△期待値 (オッズ vs AI勝率)
+7% (市場と概ね一致)
AI 予想勝率
15.9% (オッズ暗示: 14.7%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 14.6% / 期待値 -1%
×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
10.4% (オッズ暗示: 18.5%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 14.6% / 期待値 -21%
△期待値 (オッズ vs AI勝率)
-30% (オッズ過剰評価)
AI 予想勝率
9.1% (オッズ暗示: 13.0%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 12.4% / 期待値 -5%
△期待値 (オッズ vs AI勝率)
-22% (オッズ過剰評価)
AI 予想勝率
8.7% (オッズ暗示: 11.2%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 9.5% / 期待値 -15%
×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
3.0% (オッズ暗示: 4.3%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 5.4% / 期待値 +26%
△期待値 (オッズ vs AI勝率)
-28% (オッズ過剰評価)
AI 予想勝率
3.0% (オッズ暗示: 4.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 2.8% / 期待値 -33%
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
2.1% (オッズ暗示: 2.8%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 2.8% / 期待値 -2%
△期待値 (オッズ vs AI勝率)
-6% (オッズ過剰評価)
AI 予想勝率
0.6% (オッズ暗示: 0.6%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.3% / 期待値 +115%
💡 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 |
レストプレドゥモア |
小沢 |
実8.9 |
△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) -15% (オッズ過剰評価) AI 予想勝率 9.5% (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。 |
| 2 |
プレザントトーン |
佐々木 |
実164.0 |
▽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) +115% (市場が大幅過小評価) AI 予想勝率 1.3% (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。 |
| 3 |
イングラム |
☆舟山 |
実2.4 |
◎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) -47% (大幅な期待値マイナス) AI 予想勝率 22.0% (オッズ暗示: 41.7%) ※ 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。 |
| 4 |
ワイドデコラシオン |
横山武 |
実5.4 |
○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) -21% (オッズ過剰評価) AI 予想勝率 14.6% (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。 |
| 5 |
グレイトソン |
▲和田陽 |
実6.8 |
▲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) -1% (オッズ過剰評価) AI 予想勝率 14.6% (オッズ暗示: 14.7%) ※ 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。 |
| 6 |
キャンドルマス |
武豊 |
実6.8 |
△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) -1% (オッズ過剰評価) AI 予想勝率 14.6% (オッズ暗示: 14.7%) ※ 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 |
グッバイウェーブ |
丹内 |
実35.4 |
▽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) -2% (オッズ過剰評価) AI 予想勝率 2.8% (オッズ暗示: 2.8%) ※ 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 |
フレンズプラス |
荻野琢 |
実7.7 |
△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) -5% (オッズ過剰評価) AI 予想勝率 12.4% (オッズ暗示: 13.0%) ※ 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 |
メイショウハッブル |
★河原田 |
実24.1 |
▽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) -33% (大幅な期待値マイナス) AI 予想勝率 2.8% (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。 |
| 10 |
タイセイモノリス |
横山和 |
実23.4 |
▽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) +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。 |
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10頭
×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
22.0% (オッズ暗示: 41.7%)
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
14.6% (オッズ暗示: 18.5%)
△期待値 (オッズ vs AI勝率)
-1% (オッズ過剰評価)
AI 予想勝率
14.6% (オッズ暗示: 14.7%)
△期待値 (オッズ vs AI勝率)
-1% (オッズ過剰評価)
AI 予想勝率
14.6% (オッズ暗示: 14.7%)
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
12.4% (オッズ暗示: 13.0%)
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
9.5% (オッズ暗示: 11.2%)
△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)
-33% (大幅な期待値マイナス)
AI 予想勝率
2.8% (オッズ暗示: 4.1%)
△期待値 (オッズ vs AI勝率)
-2% (オッズ過剰評価)
AI 予想勝率
2.8% (オッズ暗示: 2.8%)
🌟◎期待値 (オッズ vs AI勝率)
+115% (市場が大幅過小評価)
AI 予想勝率
1.3% (オッズ暗示: 0.6%)
💡 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。
