中京 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 |
セルヴァンス |
長岡 |
実6.4 |
B▲ A▲勝率11% EV-29% 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) -39% (大幅な期待値マイナス) AI 予想勝率 9.5% (オッズ暗示: 15.6%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 11.1% / 期待値 -29% ※ 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 |
ウィップスティッチ |
団野 |
実11.5 |
B△ A△勝率10% EV+14% 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) +7% (市場と概ね一致) AI 予想勝率 9.3% (オッズ暗示: 8.7%) △Aモデルの評価 (参考) レース内 4位 / 勝率 9.9% / 期待値 +14% ※ 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 |
ルクスレイモンド |
坂井 |
実3.5 |
B○ A○勝率13% EV-53% 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) +3% (市場と概ね一致) AI 予想勝率 29.6% (オッズ暗示: 28.6%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 13.3% / 期待値 -54% ※ 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 |
ワイノナオミ |
国分優 |
実12.7 |
B△ A△勝率9% EV+19% 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) -16% (オッズ過剰評価) AI 予想勝率 6.6% (オッズ暗示: 7.9%) △Aモデルの評価 (参考) レース内 5位 / 勝率 9.4% / 期待値 +19% ※ 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 |
サンマルノヴェル |
田口 |
実2.5 |
B◎ A×勝率14% EV-65% 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) -26% (オッズ過剰評価) AI 予想勝率 29.6% (オッズ暗示: 40.0%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 13.9% / 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。 |
| 6 |
ザウリ 推奨 |
幸 |
実19.8 |
B▽ A▽勝率8% EV+64% 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) -32% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 5.1%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 8.3% / 期待値 +64% ※ 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 |
シルフズミスチーフ |
コレット |
実10.6 |
B△ A△勝率9% EV-1% 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) -40% (大幅な期待値マイナス) AI 予想勝率 5.6% (オッズ暗示: 9.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 9.3% / 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。 |
| 8 |
パルプフィクション |
酒井 |
実50.0 |
B▽ A▽勝率6% EV+209% 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) -26% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 2.0%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 6.2% / 期待値 +210% ※ 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 |
フレイミングパイ |
柴田裕 |
実108.8 |
B▽ A▽勝率5% EV+438% 詳細▼ |
前5走 05/30 3京都1112R 13着/16頭+0.9秒 |
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) -32% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 0.9%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 5.0% / 期待値 +439% ※ 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 |
カツラノキサノキ |
吉村 |
実95.0 |
B▽ A▽勝率6% EV+454% 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) -15% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.1%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 5.8% / 期待値 +455% ※ 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 |
ジャンシ |
松若 |
実13.5 |
B× A▽勝率8% EV+5% 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) -56% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 7.4%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.8% / 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。 |
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11頭
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
29.6% (オッズ暗示: 40.0%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 13.9% / 期待値 -65%
△期待値 (オッズ vs AI勝率)
+3% (市場と概ね一致)
AI 予想勝率
29.6% (オッズ暗示: 28.6%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 13.3% / 期待値 -54%
×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
9.5% (オッズ暗示: 15.6%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 11.1% / 期待値 -29%
△期待値 (オッズ vs AI勝率)
+7% (市場と概ね一致)
AI 予想勝率
9.3% (オッズ暗示: 8.7%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 9.9% / 期待値 +14%
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
6.6% (オッズ暗示: 7.9%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 9.4% / 期待値 +19%
×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
5.6% (オッズ暗示: 9.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 9.3% / 期待値 -1%
×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
3.4% (オッズ暗示: 5.1%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 8.3% / 期待値 +64%
×期待値 (オッズ vs AI勝率)
-56% (大幅な期待値マイナス)
AI 予想勝率
3.3% (オッズ暗示: 7.4%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.8% / 期待値 +6%
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
1.5% (オッズ暗示: 2.0%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 6.2% / 期待値 +210%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
0.9% (オッズ暗示: 1.1%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 5.8% / 期待値 +455%
×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
0.6% (オッズ暗示: 0.9%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 5.0% / 期待値 +439%
💡 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 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
6
ザウリ
実19.8倍
期待値 -32%
推奨 29.2〜30.0倍
¥200
❌不的中
B. 新モデル (rank最適化 + leak-free + 確率校正)
このモデルは本レース見送り判定（期待値プラスなし）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
セルヴァンス |
長岡 |
実6.4 |
▲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) -29% (オッズ過剰評価) AI 予想勝率 11.1% (オッズ暗示: 15.6%) ※ 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 |
ウィップスティッチ |
団野 |
実11.5 |
△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) +14% (市場と概ね一致) AI 予想勝率 9.9% (オッズ暗示: 8.7%) ※ 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。 |
| 3 |
ルクスレイモンド |
坂井 |
実3.5 |
○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) -54% (大幅な期待値マイナス) AI 予想勝率 13.3% (オッズ暗示: 28.6%) ※ 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。 |
| 4 |
ワイノナオミ |
国分優 |
実12.7 |
△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) +19% (市場と概ね一致) AI 予想勝率 9.4% (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。 |
| 5 |
サンマルノヴェル |
田口 |
実2.5 |
×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) -65% (大幅な期待値マイナス) AI 予想勝率 13.9% (オッズ暗示: 40.0%) ※ 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。 |
| 6 |
ザウリ 推奨 |
幸 |
実19.8 |
▽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) +64% (市場が大幅過小評価) AI 予想勝率 8.3% (オッズ暗示: 5.1%) ※ 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 |
シルフズミスチーフ |
コレット |
実10.6 |
△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) -1% (オッズ過剰評価) AI 予想勝率 9.3% (オッズ暗示: 9.4%) ※ 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。 |
| 8 |
パルプフィクション |
酒井 |
実50.0 |
▽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) +209% (市場が大幅過小評価) AI 予想勝率 6.2% (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。 |
| 9 |
フレイミングパイ |
柴田裕 |
実108.8 |
▽詳細▼ |
前5走 05/30 3京都1112R 13着/16頭+0.9秒 |
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) +438% (市場が大幅過小評価) AI 予想勝率 5.0% (オッズ暗示: 0.9%) ※ 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 |
カツラノキサノキ |
吉村 |
実95.0 |
▽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) +454% (市場が大幅過小評価) AI 予想勝率 5.8% (オッズ暗示: 1.1%) ※ 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。 |
| 11 |
ジャンシ |
松若 |
実13.5 |
▽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% (市場と概ね一致) AI 予想勝率 7.8% (オッズ暗示: 7.4%) ※ 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。 |
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11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
13.9% (オッズ暗示: 40.0%)
×期待値 (オッズ vs AI勝率)
-54% (大幅な期待値マイナス)
AI 予想勝率
13.3% (オッズ暗示: 28.6%)
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
11.1% (オッズ暗示: 15.6%)
△期待値 (オッズ vs AI勝率)
+14% (市場と概ね一致)
AI 予想勝率
9.9% (オッズ暗示: 8.7%)
△期待値 (オッズ vs AI勝率)
+19% (市場と概ね一致)
AI 予想勝率
9.4% (オッズ暗示: 7.9%)
△期待値 (オッズ vs AI勝率)
-1% (オッズ過剰評価)
AI 予想勝率
9.3% (オッズ暗示: 9.4%)
🌟◎期待値 (オッズ vs AI勝率)
+64% (市場が大幅過小評価)
AI 予想勝率
8.3% (オッズ暗示: 5.1%)
△期待値 (オッズ vs AI勝率)
+5% (市場と概ね一致)
AI 予想勝率
7.8% (オッズ暗示: 7.4%)
🌟◎期待値 (オッズ vs AI勝率)
+209% (市場が大幅過小評価)
AI 予想勝率
6.2% (オッズ暗示: 2.0%)
🌟◎期待値 (オッズ vs AI勝率)
+454% (市場が大幅過小評価)
AI 予想勝率
5.8% (オッズ暗示: 1.1%)
🌟◎期待値 (オッズ vs AI勝率)
+438% (市場が大幅過小評価)
AI 予想勝率
5.0% (オッズ暗示: 0.9%)
💡 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 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
6
ザウリ
実19.8倍
期待値 +64%
推奨 12.0〜30.0倍
¥200
❌不的中
B. 新モデル (rank最適化 + leak-free + 確率校正)
このモデルは本レース見送り判定（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。
