中京 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 |
ヤマニンイハナ |
菱田 |
実37.8 |
B▽ A▽勝率7% EV+156% 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) -19% (オッズ過剰評価) AI 予想勝率 2.1% (オッズ暗示: 2.6%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 6.8% / 期待値 +156% ※ 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 |
シャインラブ |
西村淳 |
実9.5 |
B△ A△勝率10% EV-7% 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) -42% (大幅な期待値マイナス) AI 予想勝率 6.1% (オッズ暗示: 10.5%) △Aモデルの評価 (参考) レース内 5位 / 勝率 9.7% / 期待値 -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 |
オスカーレイア |
幸 |
実2.2 |
B🌟◎ A×勝率16% EV-65% 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) -31% (大幅な期待値マイナス) AI 予想勝率 31.4% (オッズ暗示: 45.5%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 15.8% / 期待値 -65% ※ 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 |
ヴェールダムール |
坂井 |
実8.3 |
B△ A△勝率11% EV-10% 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) -27% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 12.0%) △Aモデルの評価 (参考) レース内 4位 / 勝率 10.8% / 期待値 -10% ※ 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 |
メモリアデルレ |
コレット |
実52.3 |
B▽ A▽勝率7% EV+269% 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) -2% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 1.9%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.1% / 期待値 +270% ※ 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 |
フェーエンハフト |
田口 |
実46.2 |
B▽ A△勝率7% EV+235% 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 6 ◎ 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 1.9% (オッズ暗示: 2.2%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.3% / 期待値 +236% ※ 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 |
アーデルボーデン |
岩田望 |
実5.3 |
B▲ A▲勝率14% EV-27% 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) -16% (オッズ過剰評価) AI 予想勝率 15.9% (オッズ暗示: 18.9%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 13.6% / 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。 |
| 8 |
サイモンレガシー |
川田 |
実3.7 |
B○ A○勝率15% EV-44% 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) +0% (市場と概ね一致) AI 予想勝率 27.1% (オッズ暗示: 27.0%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 14.9% / 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。 |
| 9 |
ディーヴァレギオン |
吉村 |
実56.5 |
B▽ A▽勝率7% EV+300% 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) +5% (市場と概ね一致) AI 予想勝率 1.9% (オッズ暗示: 1.8%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.1% / 期待値 +301% ※ 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 |
クラリスバローズ |
団野 |
実20.1 |
B△ A▽勝率7% EV+39% 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) -40% (大幅な期待値マイナス) AI 予想勝率 3.0% (オッズ暗示: 5.0%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 7.0% / 期待値 +40% ※ 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)
-31% (大幅な期待値マイナス)
AI 予想勝率
31.4% (オッズ暗示: 45.5%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 15.8% / 期待値 -65%
△期待値 (オッズ vs AI勝率)
+0% (市場と概ね一致)
AI 予想勝率
27.1% (オッズ暗示: 27.0%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 14.9% / 期待値 -45%
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
15.9% (オッズ暗示: 18.9%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 13.6% / 期待値 -28%
△期待値 (オッズ vs AI勝率)
-27% (オッズ過剰評価)
AI 予想勝率
8.8% (オッズ暗示: 12.0%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 10.8% / 期待値 -10%
×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
6.1% (オッズ暗示: 10.5%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 9.7% / 期待値 -8%
×期待値 (オッズ vs AI勝率)
-40% (大幅な期待値マイナス)
AI 予想勝率
3.0% (オッズ暗示: 5.0%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 7.0% / 期待値 +40%
△期待値 (オッズ vs AI勝率)
-19% (オッズ過剰評価)
AI 予想勝率
2.1% (オッズ暗示: 2.6%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 6.8% / 期待値 +156%
△期待値 (オッズ vs AI勝率)
-14% (オッズ過剰評価)
AI 予想勝率
1.9% (オッズ暗示: 2.2%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.3% / 期待値 +236%
△期待値 (オッズ vs AI勝率)
-2% (オッズ過剰評価)
AI 予想勝率
1.9% (オッズ暗示: 1.9%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.1% / 期待値 +270%
△期待値 (オッズ vs AI勝率)
+5% (市場と概ね一致)
AI 予想勝率
1.9% (オッズ暗示: 1.8%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.1% / 期待値 +301%
💡 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 |
ヤマニンイハナ |
菱田 |
実37.8 |
▽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) +156% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 2.6%) ※ 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 |
シャインラブ |
西村淳 |
実9.5 |
△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) -8% (オッズ過剰評価) AI 予想勝率 9.7% (オッズ暗示: 10.5%) ※ 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 |
オスカーレイア |
幸 |
実2.2 |
×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 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 15.8% (オッズ暗示: 45.5%) ※ 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 |
ヴェールダムール |
坂井 |
実8.3 |
△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 4 ◎ 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 10.8% (オッズ暗示: 12.0%) ※ 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。 |
| 5 |
メモリアデルレ |
コレット |
実52.3 |
▽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 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +269% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 1.9%) ※ 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。 |
| 6 |
フェーエンハフト |
田口 |
実46.2 |
△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 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +235% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 2.2%) ※ 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 |
アーデルボーデン |
岩田望 |
実5.3 |
▲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 7 ◎ 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 13.6% (オッズ暗示: 18.9%) ※ 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 |
サイモンレガシー |
川田 |
実3.7 |
○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) -45% (大幅な期待値マイナス) AI 予想勝率 14.9% (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。 |
| 9 |
ディーヴァレギオン |
吉村 |
実56.5 |
▽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) +300% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 1.8%) ※ 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。 |
| 10 |
クラリスバローズ |
団野 |
実20.1 |
▽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) +39% (妙味あり) AI 予想勝率 7.0% (オッズ暗示: 5.0%) ※ 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10頭
×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
15.8% (オッズ暗示: 45.5%)
×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
14.9% (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
13.6% (オッズ暗示: 18.9%)
△期待値 (オッズ vs AI勝率)
-10% (オッズ過剰評価)
AI 予想勝率
10.8% (オッズ暗示: 12.0%)
△期待値 (オッズ vs AI勝率)
-8% (オッズ過剰評価)
AI 予想勝率
9.7% (オッズ暗示: 10.5%)
🌟◎期待値 (オッズ vs AI勝率)
+235% (市場が大幅過小評価)
AI 予想勝率
7.3% (オッズ暗示: 2.2%)
🌟◎期待値 (オッズ vs AI勝率)
+300% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.8%)
🌟◎期待値 (オッズ vs AI勝率)
+269% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.9%)
◎期待値 (オッズ vs AI勝率)
+39% (妙味あり)
AI 予想勝率
7.0% (オッズ暗示: 5.0%)
🌟◎期待値 (オッズ vs AI勝率)
+156% (市場が大幅過小評価)
AI 予想勝率
6.8% (オッズ暗示: 2.6%)
💡 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。
