新潟 1R 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 |
ホワイトフレアー |
原 |
実42.2 |
B▽ A▽勝率6% EV+153% 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 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 1.6% (オッズ暗示: 2.4%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 6.0% / 期待値 +153% ※ 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 |
エレスレイプニル |
木幡育 |
実204.1 |
B▽ A▽勝率5% EV+826% 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) -32% (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 4.5% / 期待値 +826% ※ 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 |
エコロテラ |
菊沢 |
実12.0 |
B△ A▽勝率8% EV-5% 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) -15% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 8.3%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.9% / 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。 |
| 4 |
サノノキセキ |
戸崎圭 |
実2.9 |
B◎ A×勝率13% EV-61% 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 4 ◎ 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 21.4% (オッズ暗示: 34.5%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 13.4% / 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。 |
| 5 |
ヴェントリナ |
津村 |
実4.6 |
B○ A○勝率12% EV-43% 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 5 ◎ 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 18.4% (オッズ暗示: 21.7%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 12.2% / 期待値 -44% ※ 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 |
シュネーバレン |
木幡巧 |
実10.5 |
B▽ A△勝率8% EV-16% 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) -34% (大幅な期待値マイナス) AI 予想勝率 6.3% (オッズ暗示: 9.5%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.9% / 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。 |
| 7 |
ノドゥス |
三浦 |
実9.2 |
B△ A△勝率9% EV-16% 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) -9% (オッズ過剰評価) AI 予想勝率 9.9% (オッズ暗示: 10.9%) △Aモデルの評価 (参考) レース内 5位 / 勝率 9.0% / 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。 |
| 8 |
センカンナガト |
△石神道 |
実101.9 |
B▽ A▽勝率5% EV+444% 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) -3% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.0%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 5.3% / 期待値 +445% ※ 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 |
デザートスピリット |
吉田豊 |
実5.9 |
B▲ A▲勝率11% EV-34% 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 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 18.4% (オッズ暗示: 16.9%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 11.1% / 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。 |
| 10 |
ウィールズアップ |
田辺 |
実17.1 |
B▽ A▽勝率7% EV+19% 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 10 ◎ 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 4.3% (オッズ暗示: 5.8%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.0% / 期待値 +20% ※ 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 |
タイセイルミナス |
荻野極 |
実7.4 |
B△ A△勝率10% EV-22% 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 11 ◎ 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 10.6% (オッズ暗示: 13.5%) △Aモデルの評価 (参考) レース内 4位 / 勝率 10.4% / 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。 |
| 12 |
キミヘノメロディー |
杉原 |
実103.7 |
B▽ A▽勝率5% EV+426% 詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 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 11位 (中位評価) ×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 0.7% (オッズ暗示: 1.0%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 5.1% / 期待値 +427% ※ 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12頭
×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
21.4% (オッズ暗示: 34.5%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 13.4% / 期待値 -61%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
18.4% (オッズ暗示: 21.7%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 12.2% / 期待値 -44%
△期待値 (オッズ vs AI勝率)
+8% (市場と概ね一致)
AI 予想勝率
18.4% (オッズ暗示: 16.9%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 11.1% / 期待値 -35%
△期待値 (オッズ vs AI勝率)
-22% (オッズ過剰評価)
AI 予想勝率
10.6% (オッズ暗示: 13.5%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 10.4% / 期待値 -23%
△期待値 (オッズ vs AI勝率)
-9% (オッズ過剰評価)
AI 予想勝率
9.9% (オッズ暗示: 10.9%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 9.0% / 期待値 -17%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 8.3%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.9% / 期待値 -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
6.3% (オッズ暗示: 9.5%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.9% / 期待値 -17%
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
4.3% (オッズ暗示: 5.8%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.0% / 期待値 +20%
×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
1.6% (オッズ暗示: 2.4%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 6.0% / 期待値 +153%
△期待値 (オッズ vs AI勝率)
-3% (オッズ過剰評価)
AI 予想勝率
0.9% (オッズ暗示: 1.0%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 5.3% / 期待値 +445%
△AIランク評価 (順位学習モデル)
レース内 11位 (中位評価)
×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
0.7% (オッズ暗示: 1.0%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 5.1% / 期待値 +427%
×期待値 (オッズ vs AI勝率)
-32% (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 4.5% / 期待値 +826%
💡 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 |
ホワイトフレアー |
原 |
実42.2 |
▽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 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +153% (市場が大幅過小評価) AI 予想勝率 6.0% (オッズ暗示: 2.4%) ※ 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。 |
| 2 |
エレスレイプニル |
木幡育 |
実204.1 |
▽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) +826% (市場が大幅過小評価) AI 予想勝率 4.5% (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。 |
| 3 |
エコロテラ |
菊沢 |
実12.0 |
▽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) -5% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 8.3%) ※ 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 |
サノノキセキ |
戸崎圭 |
実2.9 |
×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 4 ◎ 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 13.4% (オッズ暗示: 34.5%) ※ 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 |
ヴェントリナ |
津村 |
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 5 ◎ 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 12.2% (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。 |
| 6 |
シュネーバレン |
木幡巧 |
実10.5 |
△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) -17% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 9.5%) ※ 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。 |
| 7 |
ノドゥス |
三浦 |
実9.2 |
△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) -17% (オッズ過剰評価) AI 予想勝率 9.0% (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。 |
| 8 |
センカンナガト |
△石神道 |
実101.9 |
▽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) +444% (市場が大幅過小評価) AI 予想勝率 5.3% (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。 |
| 9 |
デザートスピリット |
吉田豊 |
実5.9 |
▲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 9 ◎ 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 11.1% (オッズ暗示: 16.9%) ※ 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。 |
| 10 |
ウィールズアップ |
田辺 |
実17.1 |
▽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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 7.0% (オッズ暗示: 5.8%) ※ 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 |
タイセイルミナス |
荻野極 |
実7.4 |
△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 11 ◎ 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 10.4% (オッズ暗示: 13.5%) ※ 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 |
キミヘノメロディー |
杉原 |
実103.7 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 12 ◎ 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 11位 (中位評価) 🌟◎期待値 (オッズ vs AI勝率) +426% (市場が大幅過小評価) AI 予想勝率 5.1% (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。 |
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12頭
×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
13.4% (オッズ暗示: 34.5%)
×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
12.2% (オッズ暗示: 21.7%)
×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
11.1% (オッズ暗示: 16.9%)
△期待値 (オッズ vs AI勝率)
-23% (オッズ過剰評価)
AI 予想勝率
10.4% (オッズ暗示: 13.5%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
9.0% (オッズ暗示: 10.9%)
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
7.9% (オッズ暗示: 9.5%)
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
7.9% (オッズ暗示: 8.3%)
△期待値 (オッズ vs AI勝率)
+19% (市場と概ね一致)
AI 予想勝率
7.0% (オッズ暗示: 5.8%)
🌟◎期待値 (オッズ vs AI勝率)
+153% (市場が大幅過小評価)
AI 予想勝率
6.0% (オッズ暗示: 2.4%)
🌟◎期待値 (オッズ vs AI勝率)
+444% (市場が大幅過小評価)
AI 予想勝率
5.3% (オッズ暗示: 1.0%)
△AIランク評価 (順位学習モデル)
レース内 11位 (中位評価)
🌟◎期待値 (オッズ vs AI勝率)
+426% (市場が大幅過小評価)
AI 予想勝率
5.1% (オッズ暗示: 1.0%)
🌟◎期待値 (オッズ vs AI勝率)
+826% (市場が大幅過小評価)
AI 予想勝率
4.5% (オッズ暗示: 0.5%)
💡 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。
