新潟 10R 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 |
ショービット |
▲水沼 |
実97.2 |
B▽ A▽勝率1% EV+6% 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) -33% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.0%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 1.1% / 期待値 +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。 |
| 2 |
ネクストドア |
吉田豊 |
実13.3 |
B▽ A▽勝率5% EV-34% 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) -14% (オッズ過剰評価) AI 予想勝率 6.5% (オッズ暗示: 7.5%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 4.9% / 期待値 -35% ※ 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 |
ブルーリファール |
石橋脩 |
実11.3 |
B▽ A▽勝率7% EV-17% 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 3 ◎ 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 9.0% (オッズ暗示: 8.8%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.3% / 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 |
パーシヴァル |
石川 |
実5.7 |
B△ A▲勝率13% EV-23% 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) -49% (大幅な期待値マイナス) AI 予想勝率 9.0% (オッズ暗示: 17.5%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 13.4% / 期待値 -24% ※ 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 |
ゴットタレント |
杉原 |
実4.8 |
B○ A○勝率15% EV-28% 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) -8% (オッズ過剰評価) AI 予想勝率 19.1% (オッズ暗示: 20.8%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 15.0% / 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。 |
| 6 |
マーゴットライズ |
木幡巧 |
実32.7 |
B▽ A▽勝率3% EV-3% 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) -16% (オッズ過剰評価) AI 予想勝率 2.6% (オッズ暗示: 3.1%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 3.0% / 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。 |
| 7 |
ロジキセキ |
田口 |
実7.3 |
B▲ A△勝率13% 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) -20% (オッズ過剰評価) AI 予想勝率 11.0% (オッズ暗示: 13.7%) △Aモデルの評価 (参考) レース内 4位 / 勝率 13.4% / 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 |
エーデルクラフト |
大野 |
実9.2 |
B△ A△勝率9% EV-14% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 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 4位 (中位評価) △期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 10.3% (オッズ暗示: 10.9%) △Aモデルの評価 (参考) レース内 5位 / 勝率 9.3% / 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 |
トップデュオ |
岩田望 |
実3.7 |
B◎ A◎勝率21% EV-21% 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) -29% (オッズ過剰評価) AI 予想勝率 19.1% (オッズ暗示: 27.0%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 21.2% / 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。 |
| 10 |
カンフーヒーロー |
野中 |
実119.6 |
B× A▽勝率0% EV-45% 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 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 0.5% / 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。 |
| 11 |
エルアン |
田辺 |
実10.1 |
B△ A△勝率7% EV-26% 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) -9% (オッズ過剰評価) AI 予想勝率 9.0% (オッズ暗示: 9.9%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.3% / 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。 |
| 12 |
トウシンライオット |
▲石田 |
実48.8 |
B▽ A▽勝率1% EV-46% 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) -20% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 2.0%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 1.1% / 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。 |
| 13 |
パワポケウォーズ |
▲佐藤 |
実121.1 |
B× A▽勝率0% EV-45% 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) -67% (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 14位 / 勝率 0.5% / 期待値 -45% ※ 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 |
コスモメイウェザー |
柴田大 |
実50.0 |
B▽ A▽勝率2% EV+12% 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) -18% (オッズ過剰評価) AI 予想勝率 1.6% (オッズ暗示: 2.0%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 2.2% / 期待値 +12% ※ 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)
-29% (オッズ過剰評価)
AI 予想勝率
19.1% (オッズ暗示: 27.0%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 21.2% / 期待値 -21%
△期待値 (オッズ vs AI勝率)
-8% (オッズ過剰評価)
AI 予想勝率
19.1% (オッズ暗示: 20.8%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 15.0% / 期待値 -28%
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
11.0% (オッズ暗示: 13.7%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 13.4% / 期待値 -2%
△AIランク評価 (順位学習モデル)
レース内 4位 (中位評価)
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
10.3% (オッズ暗示: 10.9%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 9.3% / 期待値 -15%
×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
9.0% (オッズ暗示: 17.5%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 13.4% / 期待値 -24%
△期待値 (オッズ vs AI勝率)
-9% (オッズ過剰評価)
AI 予想勝率
9.0% (オッズ暗示: 9.9%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.3% / 期待値 -26%
△期待値 (オッズ vs AI勝率)
+1% (市場と概ね一致)
AI 予想勝率
9.0% (オッズ暗示: 8.8%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.3% / 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
6.5% (オッズ暗示: 7.5%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 4.9% / 期待値 -35%
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
2.6% (オッズ暗示: 3.1%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 3.0% / 期待値 -3%
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
1.6% (オッズ暗示: 2.0%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 1.1% / 期待値 -47%
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
1.6% (オッズ暗示: 2.0%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 2.2% / 期待値 +12%
×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
0.7% (オッズ暗示: 1.0%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 1.1% / 期待値 +6%
×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
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 0.5% / 期待値 -46%
×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
0.3% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 0.5% / 期待値 -45%
💡 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 |
ショービット |
▲水沼 |
実97.2 |
▽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) +6% (市場と概ね一致) AI 予想勝率 1.1% (オッズ暗示: 1.0%) ※ 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。 |
| 2 |
ネクストドア |
吉田豊 |
実13.3 |
▽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) -35% (大幅な期待値マイナス) AI 予想勝率 4.9% (オッズ暗示: 7.5%) ※ 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。 |
| 3 |
ブルーリファール |
石橋脩 |
実11.3 |
▽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 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 7.3% (オッズ暗示: 8.8%) ※ 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。 |
| 4 |
パーシヴァル |
石川 |
実5.7 |
▲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) -24% (オッズ過剰評価) AI 予想勝率 13.4% (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。 |
| 5 |
ゴットタレント |
杉原 |
実4.8 |
○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) -28% (オッズ過剰評価) AI 予想勝率 15.0% (オッズ暗示: 20.8%) ※ 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。 |
| 6 |
マーゴットライズ |
木幡巧 |
実32.7 |
▽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) -3% (オッズ過剰評価) AI 予想勝率 3.0% (オッズ暗示: 3.1%) ※ 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 |
ロジキセキ |
田口 |
実7.3 |
△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 13.4% (オッズ暗示: 13.7%) ※ 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 |
エーデルクラフト |
大野 |
実9.2 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 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 5位 (中位評価) △期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 9.3% (オッズ暗示: 10.9%) ※ 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。 |
| 9 |
トップデュオ |
岩田望 |
実3.7 |
◎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) -21% (オッズ過剰評価) AI 予想勝率 21.2% (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。 |
| 10 |
カンフーヒーロー |
野中 |
実119.6 |
▽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) -46% (大幅な期待値マイナス) AI 予想勝率 0.5% (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。 |
| 11 |
エルアン |
田辺 |
実10.1 |
△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) -26% (オッズ過剰評価) AI 予想勝率 7.3% (オッズ暗示: 9.9%) ※ 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。 |
| 12 |
トウシンライオット |
▲石田 |
実48.8 |
▽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) -47% (大幅な期待値マイナス) AI 予想勝率 1.1% (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。 |
| 13 |
パワポケウォーズ |
▲佐藤 |
実121.1 |
▽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) -45% (大幅な期待値マイナス) AI 予想勝率 0.5% (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。 |
| 14 |
コスモメイウェザー |
柴田大 |
実50.0 |
▽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) +12% (市場と概ね一致) AI 予想勝率 2.2% (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。 |
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)
-21% (オッズ過剰評価)
AI 予想勝率
21.2% (オッズ暗示: 27.0%)
△期待値 (オッズ vs AI勝率)
-28% (オッズ過剰評価)
AI 予想勝率
15.0% (オッズ暗示: 20.8%)
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
13.4% (オッズ暗示: 17.5%)
△期待値 (オッズ vs AI勝率)
-2% (オッズ過剰評価)
AI 予想勝率
13.4% (オッズ暗示: 13.7%)
△AIランク評価 (順位学習モデル)
レース内 5位 (中位評価)
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
9.3% (オッズ暗示: 10.9%)
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
7.3% (オッズ暗示: 9.9%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
7.3% (オッズ暗示: 8.8%)
×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
4.9% (オッズ暗示: 7.5%)
△期待値 (オッズ vs AI勝率)
-3% (オッズ過剰評価)
AI 予想勝率
3.0% (オッズ暗示: 3.1%)
△期待値 (オッズ vs AI勝率)
+12% (市場と概ね一致)
AI 予想勝率
2.2% (オッズ暗示: 2.0%)
×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
1.1% (オッズ暗示: 2.0%)
△期待値 (オッズ vs AI勝率)
+6% (市場と概ね一致)
AI 予想勝率
1.1% (オッズ暗示: 1.0%)
×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
0.5% (オッズ暗示: 0.8%)
×期待値 (オッズ vs AI勝率)
-45% (大幅な期待値マイナス)
AI 予想勝率
0.5% (オッズ暗示: 0.8%)
💡 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。
