Stride AI - 南関東競馬AI予想 2026-06-16

本日の全レース予想

川崎

名古屋

🏇本日の開催競馬場を選んでください

1R 川崎競馬場ダート1400m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ショックザワールド	佐藤翔（JRA）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/28 浦和1R 8着/11頭 05/11 川崎1R 12着/12頭+4.1秒 03/02 川崎2R 5着/9頭+0.4秒 02/06 川崎4R 6着/12頭+0.8秒 11/19 川崎2R 10着/10頭+2.4秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 11.1% ※ 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。
2	ミュークティアラ	伊藤裕（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／前走3着）
前5走 05/28 浦和1R 3着/11頭 05/12 川崎1R 6着/12頭+2.0秒 04/10 川崎2R 4着/10頭+0.6秒 03/03 川崎2R 6着/11頭+2.4秒 01/01 川崎1R 5着/11頭+1.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 4.8% ※ 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	プレストジャンヌ	鷹見陸（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向）
前5走 05/27 浦和1R 9着/10頭 05/11 川崎3R 8着/11頭+2.3秒 04/08 川崎2R 5着/12頭+1.6秒 03/06 川崎3R 2着/11頭+0.6秒 01/04 川崎1R 2着/11頭+0.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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	シェナマーブル	藤江渉（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走2着）
前5走 05/14 川崎1R 2着/8頭+1.2秒 04/10 川崎2R 7着/10頭+0.9秒 03/06 川崎1R 3着/8頭+1.0秒 12/16 川崎1R 7着/10頭+2.2秒 11/21 川崎1R 5着/7頭+3.8秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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。
5	クツシタオトシタ	西啓太（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/02 船橋2R 5着/12頭 05/12 川崎1R 2着/12頭+0.9秒 04/10 川崎2R 3着/10頭+0.4秒 03/06 川崎2R 7着/10頭+1.4秒 02/06 川崎1R 6着/12頭+1.4秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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	クラバエル	藤本現（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.3着と低調）
前5走 06/02 船橋1R 9着/10頭 05/07 船橋4R 6着/12頭+1.2秒 04/01 船橋2R 10着/12頭+3.6秒 03/09 船橋1R 9着/10頭+3.0秒 02/27 浦和3R 11着/12頭+3.6秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.3着 (不振) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.1% ※ 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	リュウノキャロット	木間龍（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 06/04 船橋2R 3着/12頭+2.0秒 05/28 浦和1R 9着/11頭+0.0秒 05/07 船橋2R 9着/12頭+3.2秒 04/01 船橋1R 9着/12頭+1.6秒 03/10 船橋2R 4着/8頭+0.8秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
8	アオイノコスメ	和田譲（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/11 川崎1R 11着/12頭+3.9秒 04/10 川崎2R 2着/10頭+0.1秒 03/06 川崎2R 6着/10頭+1.3秒 02/06 川崎1R 11着/12頭+2.7秒 01/03 川崎1R 8着/9頭+2.7秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.0% ※ 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	テンノウズアイル	中山遥（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/11 川崎1R 9着/12頭+3.0秒 02/06 川崎2R 2着/9頭+1.6秒 01/03 川崎1R 4着/9頭+1.1秒 12/16 川崎2R 6着/9頭+1.9秒 11/17 川崎2R 3着/10頭+0.3秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 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。
10	スーパーアイシー	新原周（川崎）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/27 浦和1R 7着/10頭 05/12 川崎6R 8着/12頭+1.5秒 01/01 川崎3R 11着/12頭+2.4秒 12/19 川崎1R 3着/7頭+1.4秒 11/21 川崎4R 4着/7頭+1.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 12.3% ※ 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。
11	ティンガティンガ	櫻井光（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 06/02 船橋2R 7着/12頭 05/11 川崎1R 5着/12頭+2.6秒 04/09 川崎1R 5着/8頭+3.0秒 03/02 川崎2R 3着/9頭+0.2秒 02/06 川崎2R 3着/9頭+1.9秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 9.8% ※ 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。
12	トラストテンホー	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走3着）
前5走 05/12 川崎1R 3着/12頭+1.3秒 04/10 川崎3R 5着/8頭+1.6秒 03/06 川崎2R 4着/10頭+0.2秒 02/06 川崎1R 8着/12頭+2.0秒 09/10 川崎1R 7着/8頭+2.9秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。

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

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）

2R 川崎競馬場ダート900m　発走 15:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	モンキーコアラ	加藤雄（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 06/02 船橋1R 10着/10頭 05/15 川崎4R 8着/9頭+2.9秒 05/07 船橋2R 4着/12頭+2.7秒 02/06 川崎3R 12着/12頭+4.1秒 01/03 川崎3R 7着/10頭+2.0秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。
2	シュールア	新原周（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／前走2着／180日ぶりの実戦）
前5走 12/18 川崎1R 2着/7頭+1.0秒 11/17 川崎3R 6着/11頭+1.5秒 10/17 川崎4R 5着/10頭+1.2秒 09/12 川崎4R 6着/6頭+5.4秒 ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) △ ローテーション 180日休養明け × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。
3	メロウアイズテオ	古岡勇（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/15 川崎4R 6着/9頭+2.0秒 04/08 川崎2R 10着/12頭+2.5秒 03/06 川崎3R 6着/11頭+1.9秒 02/06 川崎1R 7着/12頭+1.8秒 01/03 川崎3R 10着/10頭+2.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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。
4	ターボクン	増田充（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／直近3走平均9.0着と低調）
前5走 05/15 川崎1R 9着/9頭+3.7秒 01/04 川崎1R 9着/11頭+2.7秒 12/19 川崎2R 9着/9頭+3.9秒 ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。
5	ムジークヘーレン	中山遥（浦和）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/28 浦和1R 11着/11頭 05/15 川崎4R 9着/9頭+2.9秒 04/08 川崎2R 12着/12頭+3.0秒 03/16 浦和1R 5着/11頭+1.4秒 03/06 川崎3R 9着/11頭+2.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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。
6	ノーサイドガール	池谷匠（川崎）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／102日ぶりの実戦）
前5走 03/06 川崎3R 4着/11頭+1.8秒 02/05 川崎2R 4着/10頭+1.6秒 01/04 川崎3R 6着/8頭+2.2秒 12/18 川崎2R 5着/6頭+3.2秒 11/20 川崎1R 6着/10頭+2.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 102日休養明け × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 11.5% ※ 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	パンツオンリー	藤江渉（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均8.0着と低調／102日ぶりの実戦）
前5走 03/06 川崎2R 8着/10頭+1.9秒 02/02 川崎4R 9着/9頭+1.8秒 01/03 川崎1R 7着/9頭+2.3秒 12/16 川崎2R 7着/9頭+2.1秒 11/21 川崎3R 3着/5頭+1.5秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ ローテーション 102日休養明け × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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。
8	カネトシライパー	山林信（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/15 川崎4R 5着/9頭+1.9秒 04/08 川崎2R 9着/12頭+2.2秒 03/06 川崎3R 5着/11頭+1.9秒 02/05 川崎2R 5着/10頭+1.7秒 01/04 川崎1R 7着/11頭+1.7秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.2% ※ 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。
9	トーケンマティーニ	篠谷葵（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 船橋1R 7着/10頭 05/07 船橋4R 9着/12頭+1.6秒 04/01 船橋2R 7着/12頭+2.2秒 03/10 船橋2R 3着/8頭+0.7秒 02/11 船橋1R 8着/12頭+2.5秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.7着 (不振) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 10.4% ※ 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。
10	カミノリメイン	木間龍（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/15 川崎4R 7着/9頭+2.2秒 04/08 川崎2R 11着/12頭+2.8秒 03/06 川崎3R 7着/11頭+2.2秒 02/05 川崎2R 6着/10頭+1.7秒 01/04 川崎1R 6着/11頭+1.3秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.0% ※ 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。
11	モモノコトノハ	櫻井光（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/15 川崎4R 4着/9頭+1.9秒 04/10 川崎3R 6着/8頭+2.0秒 03/02 川崎1R 9着/10頭+3.8秒 ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 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。
12	シェブロンウーマン	岡村裕（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／直近3走平均9.7着と低調）
前5走 05/11 川崎3R 9着/11頭+2.7秒 04/10 川崎2R 10着/10頭+3.5秒 03/03 川崎2R 10着/11頭+2.7秒 02/06 川崎2R 7着/9頭+4.4秒 01/04 川崎1R 3着/11頭+1.1秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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

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）

3R 川崎競馬場ダート1500m　発走 15:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ダテオトコ	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率100%と好調／前走勝利の勢い／70日ぶりの実戦）
前5走 04/07 川崎6R 1着/10頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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。
2	アウフタクト	池谷匠（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 05/28 浦和3R 1着/9頭 05/12 川崎1R 4着/12頭+1.3秒 04/08 川崎2R 7着/12頭+1.7秒 03/06 川崎3R 8着/11頭+2.4秒 02/05 川崎2R 2着/10頭+0.6秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 6走で勝率 0% (苦戦) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 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。
3	カガヤクネガイ	町田直（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/12 川崎3R 4着/9頭+0.6秒 04/08 川崎3R 5着/9頭+0.4秒 03/06 川崎5R 3着/8頭+0.6秒 02/05 川崎1R 2着/12頭+0.1秒 01/02 川崎5R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.2% ※ 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。
4	ハマノヒカリ	増田充（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／前走3着）
前5走 05/12 川崎3R 3着/9頭+0.3秒 02/02 川崎5R 7着/8頭+1.6秒 01/07 浦和7R 7着/9頭+4.4秒 12/23 浦和4R 2着/12頭+0.3秒 11/21 川崎2R 1着/7頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 距離適性同距離 5走で勝率 20% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 11.1% ※ 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。
5	デーレーハンサム	新原周（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／69日ぶりの実戦）
前5走 04/08 川崎8R 4着/13頭+2.1秒 03/05 川崎4R 3着/9頭+1.8秒 02/05 川崎1R 1着/12頭勝利 01/03 川崎2R 2着/9頭+0.3秒 12/15 川崎4R 4着/8頭+1.5秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 7走で勝率 14% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.6% ※ 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。
6	ミスターベラミー	櫻井光（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/11 川崎2R 1着/10頭勝利 04/08 川崎2R 4着/12頭+0.9秒 03/19 浦和1R 2着/11頭+0.1秒 03/02 川崎1R 7着/10頭+3.0秒 12/15 川崎2R 7着/8頭+2.4秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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	グローバルサウス	和田譲（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 05/12 川崎3R 9着/9頭+2.5秒 01/01 川崎11R 10着/11頭+1.7秒 12/15 川崎5R 1着/6頭勝利 11/20 川崎2R 3着/9頭+0.4秒 10/13 川崎4R 7着/11頭+2.4秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 5走で勝率 20% × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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	ダイセンシリウス	本橋孝（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し）
前5走 06/01 船橋6R 6着/9頭+0.0秒 05/07 船橋7R 7着/10頭+1.1秒 04/20 浦和3R 2着/12頭+0.2秒 03/30 船橋1R 4着/12頭+0.2秒 03/09 船橋2R 2着/8頭+0.0秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 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。
9	タツノスペシャル	笹川翼（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／騎手は近50戦で勝率28%）
前5走 05/13 川崎3R 4着/14頭+1.0秒 04/08 川崎3R 4着/9頭+0.4秒 03/06 川崎5R 4着/8頭+0.6秒 02/06 川崎5R 6着/12頭+1.6秒 10/17 川崎3R 1着/10頭勝利
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.0着 ○ 当競馬場適性 6走で勝率 17% (相性良) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
10	インフェルレーヴ	木間龍（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/12 川崎3R 5着/9頭+0.7秒 04/20 浦和3R 4着/12頭+0.9秒 04/08 川崎3R 3着/9頭+0.4秒 03/18 浦和3R 2着/12頭+0.2秒 03/06 川崎4R 6着/9頭+2.1秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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。
11	トリケトラ	笠野雄（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し）
前5走 06/01 船橋6R 5着/9頭+0.0秒 05/05 船橋3R 8着/12頭+1.7秒 04/20 浦和3R 8着/12頭+1.8秒 03/20 浦和4R 3着/10頭+0.8秒 03/10 船橋2R 1着/8頭勝利
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.6% ※ 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。
12	オーサムジェンヌ	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着）
前5走 05/25 浦和5R 2着/12頭 01/19 船橋4R 10着/12頭+2.4秒 01/02 川崎1R 5着/12頭+0.8秒 09/12 川崎2R 1着/6頭勝利 ―
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.7着 ○ 前走実績前走 2着 (好走) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 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。
13	パワポケカノン	古岡勇（川崎）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/11 川崎1R 1着/12頭勝利 04/10 川崎1R 1着/10頭勝利 ― ― ―
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 12.5% ※ 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。

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

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）

4R 川崎競馬場ダート1400m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	トンヤイビーン	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/14 川崎4R 2着/12頭+0.0秒 04/09 川崎5R 1着/12頭勝利 03/05 川崎1R 2着/10頭+0.0秒 02/02 川崎1R 3着/8頭+0.5秒 ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 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。
2	エールラヴィクトワ	町田直（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均2.7着と安定）
前5走 05/12 川崎4R 4着/12頭+0.6秒 04/07 川崎5R 2着/12頭+0.8秒 03/03 川崎8R 2着/11頭+0.1秒 02/05 川崎6R 2着/12頭+0.4秒 01/02 川崎8R 7着/13頭+1.3秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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。
3	フィリグラン	本田重（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 05/11 川崎9R 3着/10頭+0.8秒 04/06 川崎6R 5着/12頭+1.5秒 03/02 川崎5R 2着/11頭+0.1秒 01/04 川崎7R 2着/14頭+0.2秒 ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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。
4	チェスナットドレス	福原杏（浦和）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は39走で勝ち無し）
前5走 05/29 浦和9R 7着/10頭 05/12 川崎4R 3着/12頭+0.6秒 04/20 浦和7R 10着/12頭+2.6秒 04/01 船橋5R 9着/12頭+2.4秒 03/18 浦和10R 8着/12頭+1.5秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 39走で勝ち無し ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 4.4% ※ 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。
5	アルピノ	澤田龍（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯3走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 02/25 浦和4R 1着/12頭勝利 11/07 船橋7R 6着/13頭+1.4秒 09/29 船橋7R 6着/12頭+1.1秒 ― ―
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 111日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
6	ミュークフォルテ	加藤雄（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（前走2着）
前5走 05/12 川崎4R 2着/12頭+0.2秒 04/07 川崎5R 3着/12頭+0.9秒 02/04 川崎7R 10着/12頭+2.3秒 01/03 川崎7R 8着/12頭+2.5秒 12/17 川崎12R 3着/13頭+0.9秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.4% ※ 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。
7	アルバレジェンダ	佐野遥（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 05/11 川崎8R 3着/10頭+0.1秒 09/09 川崎4R 13着/14頭+2.9秒 08/25 川崎2R 5着/14頭+1.9秒 08/07 川崎1R 9着/12頭+2.7秒 07/09 川崎5R 4着/14頭+0.4秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 12.7% ※ 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	ヒロイックバイオ	小杉亮（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 船橋3R 4着/12頭 05/04 船橋4R 6着/11頭+1.8秒 03/31 船橋6R 5着/11頭+0.5秒 03/11 船橋4R 5着/11頭+0.9秒 02/10 船橋7R 5着/12頭+0.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 11走で勝率 9% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 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。
9	シェナベスト	岡村裕（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/12 川崎4R 5着/12頭+0.6秒 04/07 川崎3R 5着/12頭+0.9秒 03/03 川崎6R 9着/9頭+3.5秒 01/02 川崎7R 12着/14頭+2.3秒 12/15 川崎7R 2着/12頭+0.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 16走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 4.0% ※ 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	モズミコシ	野畑凌（川崎）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 05/14 川崎5R 1着/12頭勝利 04/10 川崎5R 1着/12頭勝利 02/05 川崎3R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -73% (大幅な期待値マイナス) AI 予想勝率 15.8% ※ 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	カレンメラメーラ	櫻井光（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/11 川崎8R 6着/10頭+0.9秒 04/06 川崎12R 5着/13頭+0.4秒 03/02 川崎5R 11着/11頭+2.4秒 02/03 川崎5R 4着/12頭+0.6秒 01/04 川崎7R 4着/14頭+0.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 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。
12	エンツォ	仲野光（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均11.0着と低調／225日ぶりの実戦）
前5走 11/03 船橋6R 11着/12頭+3.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 11.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) △ ローテーション 225日休養明け × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 11.5% ※ 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。

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

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）

5R 川崎競馬場ダート1400m　発走 16:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オリコウパラダイス	伊藤裕（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/12 川崎7R 1着/12頭勝利 04/07 川崎4R 2着/12頭+0.2秒 03/03 川崎8R 9着/11頭+2.5秒 09/10 川崎3R 5着/12頭+0.4秒 08/22 川崎1R 2着/11頭+0.6秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 10走で勝率 10% ○ 距離適性同距離 6走で勝率 17% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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。
2	ライジングキャノン	増田充（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（279日ぶりの実戦）
前5走 09/10 川崎12R 11着/14頭+2.4秒 08/21 川崎10R 4着/10頭+1.0秒 08/07 川崎8R 5着/9頭+1.6秒 07/08 川崎6R 11着/12頭+2.8秒 06/18 川崎5R 7着/11頭+2.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 14走で勝率 14% ○ 距離適性同距離 11走で勝率 18% ▽ 前走実績前走 11着 (大敗) △ ローテーション 279日休養明け × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 7.1% ※ 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。
3	ウインプリームス	新原周（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/14 川崎4R 1着/12頭勝利 04/08 川崎6R 4着/12頭+0.5秒 03/19 浦和5R 5着/12頭+1.4秒 03/04 川崎3R 4着/12頭+0.6秒 02/05 川崎6R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 25走で勝率 12% ○ 距離適性同距離 36走で勝率 17% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.1% ※ 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。
4	アースチャン	藤江渉（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（113日ぶりの実戦）
前5走 02/23 浦和12R 12着/12頭+2.8秒 12/23 浦和10R 4着/12頭+0.8秒 09/25 浦和5R 3着/12頭+0.9秒 08/18 浦和6R 4着/12頭+0.5秒 07/23 浦和3R 1着/9頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.3着 △ 距離適性同距離 9走で勝率 11% ▽ 前走実績前走 12着 (大敗) △ ローテーション 113日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
5	ストロンゲスト	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／前走3着）
前5走 05/29 浦和9R 3着/10頭 05/11 川崎9R 8着/10頭+2.0秒 04/21 浦和8R 2着/13頭+0.2秒 04/07 川崎4R 3着/12頭+1.1秒 03/06 川崎7R 4着/8頭+1.1秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
6	ライヴバフィ	矢野貴（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し／直近3走平均2.3着と安定／前走3着）
前5走 06/02 船橋5R 3着/12頭+3.0秒 05/14 川崎6R 2着/11頭+0.5秒 04/08 川崎6R 2着/12頭+0.0秒 ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.3着 (安定) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 22% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 10.2% ※ 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	モメン	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率33%と適性高／同距離帯6走で勝率33%／騎手は近50戦で勝率26%）
前5走 05/11 川崎8R 8着/10頭+1.2秒 04/06 川崎8R 3着/12頭+1.0秒 03/02 川崎4R 2着/10頭+0.5秒 11/17 川崎6R 10着/12頭+1.5秒 10/14 川崎6R 1着/11頭勝利
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 11.0% ※ 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。
8	マロンルピナス	池谷匠（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 05/25 浦和6R 4着/11頭+2.0秒 05/14 川崎4R 5着/12頭+0.7秒 04/24 浦和6R 1着/11頭勝利 04/08 川崎6R 6着/12頭+1.2秒 03/20 浦和7R 1着/12頭勝利
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% ○ 距離適性同距離 19走で勝率 16% ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 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。
9	ムーンライトデイ	和田譲（大井）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は7走で勝ち無し／前走3着）
前5走 05/12 川崎7R 3着/12頭+1.1秒 04/07 川崎8R 6着/13頭+0.4秒 10/24 大井7R 9着/12頭+1.3秒 10/10 大井5R 6着/9頭+0.6秒 09/18 大井6R 1着/10頭勝利
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 ▽ 距離適性同距離は 7走で勝ち無し ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 15.9% ※ 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	セレブウマザンマイ	仲野光（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は8走で勝ち無し／前走2着／71日ぶりの実戦）
前5走 04/06 川崎12R 2着/13頭+0.1秒 03/31 船橋8R 3着/12頭+0.4秒 03/09 船橋9R 7着/14頭+1.1秒 02/09 船橋9R 12着/14頭+1.7秒 01/19 船橋7R 2着/13頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.0着 ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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。
11	フレンドシルバー	藤本現（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着）
前5走 06/03 船橋4R 2着/11頭+3.0秒 05/07 船橋9R 9着/12頭+1.8秒 03/31 船橋6R 4着/11頭+0.3秒 03/10 船橋9R 8着/14頭+1.2秒 02/27 浦和5R 6着/11頭+1.6秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.0着 ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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。
12	リラスカイ	佐野遥（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/25 浦和6R 8着/11頭 05/12 川崎7R 5着/12頭+1.4秒 04/20 浦和6R 3着/11頭+1.9秒 04/07 川崎5R 7着/12頭+2.1秒 03/18 浦和5R 2着/8頭+0.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 19走で勝率 5% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 6.3% ※ 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

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）

6R 川崎競馬場ダート1500m　発走 17:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サザンホクトベガ	佐藤翔（JRA）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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。
2	ボンセレンシス	新原周（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/13 川崎3R 2着/14頭+0.7秒 04/06 川崎5R 10着/10頭+4.4秒 08/04 川崎3R 1着/10頭勝利 07/11 川崎5R 3着/6頭+1.2秒 ―
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 9.8% ※ 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	ジャストキュート	武藤雅（JRA）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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。
4	ディル	本田重（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.7% ※ 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。
5	ブライトドリーム	藤田凌（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／前走2着）
前5走 05/12 川崎8R 2着/12頭+0.6秒 05/01 大井1R 4着/10頭+0.9秒 04/13 大井7R 11着/11頭+3.7秒 01/15 大井2R 2着/6頭+1.0秒 12/29 大井2R 2着/14頭+0.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 8.5% ※ 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。
6	ルーポ	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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。
7	ラミアメロディア	和田譲（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率25%と適性高／106日ぶりの実戦）
前5走 03/02 川崎6R 7着/8頭+1.9秒 01/29 大井11R 3着/11頭+0.8秒 12/18 川崎9R 5着/10頭+1.4秒 11/18 川崎11R 5着/11頭+1.6秒 10/13 川崎4R 1着/11頭勝利
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 ◎ 当競馬場適性 4走で勝率 25% (得意) △ ローテーション 106日休養明け × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	ヴァルク	丸田恭（JRA）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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。
9	アルティーノ	藤本現（大井）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 10.3% ※ 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。
10	カナールレイナ	伊藤裕（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/12 川崎6R 5着/12頭+0.8秒 04/10 川崎4R 4着/6頭+1.7秒 03/06 川崎5R 2着/8頭+0.4秒 02/04 川崎6R 10着/12頭+2.4秒 10/13 川崎5R 5着/11頭+2.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 5走で勝率 20% × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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。
11	アシャカロッケ	西優哉（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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

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）

7R 川崎競馬場ダート900m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	カネトシフープ	佐藤翔（JRA）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／183日ぶりの実戦）
前5走 12/15 川崎12R 4着/12頭+1.1秒 11/20 川崎12R 6着/11頭+1.1秒 10/16 川崎2R 1着/12頭勝利 05/14 川崎2R 6着/12頭+1.4秒 04/09 川崎1R 2着/11頭+0.7秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ○ 距離適性同距離 9走で勝率 22% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 183日休養明け × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 11.7% ※ 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。
2	ラピルスイメル	古岡勇（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均11.3着と低調）
前5走 05/11 川崎12R 11着/12頭+2.4秒 03/04 川崎4R 11着/11頭+2.8秒 02/03 川崎12R 12着/12頭+4.6秒 01/03 川崎12R 3着/12頭+0.5秒 12/16 川崎9R 11着/12頭+3.6秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 11.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.0% ※ 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。
3	ビタリス	増田充（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.3着と低調／104日ぶりの実戦）
前5走 03/04 川崎5R 8着/11頭+1.2秒 02/03 川崎7R 10着/12頭+0.6秒 01/03 川崎12R 7着/12頭+1.2秒 12/19 川崎9R 5着/10頭+1.1秒 11/19 川崎8R 9着/12頭+1.3秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.3着 (不振) ○ 当競馬場適性 16走で勝率 19% (相性良) △ ローテーション 104日休養明け × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 3.8% ※ 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	ルミナヴァル	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.7着と低調）
前5走 05/26 浦和6R 12着/12頭 05/11 川崎12R 4着/12頭+1.0秒 04/08 川崎7R 10着/12頭+2.4秒 10/21 大井9R 9着/10頭+2.2秒 10/08 大井12R 15着/16頭+3.1秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.7着 (不振) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 12.1% ※ 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。
5	ラックナシェード	櫻井光（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/11 川崎7R 4着/12頭+1.6秒 01/01 川崎5R 11着/12頭+2.5秒 12/15 川崎6R 5着/12頭+1.4秒 11/17 川崎7R 3着/12頭+0.8秒 10/17 川崎12R 1着/12頭勝利
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.2% ※ 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。
6	イイクニアシェル	佐野遥（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／同距離帯16走で勝率25%）
前5走 06/01 船橋7R 5着/12頭 05/11 川崎12R 5着/12頭+1.2秒 04/10 川崎10R 5着/12頭+0.8秒 03/04 川崎5R 3着/11頭+0.3秒 02/05 川崎5R 2着/12頭+0.7秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ◎ 距離適性同距離 16走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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。
7	ミスサン	鷹見陸（大井）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯16走で勝率25%）
前5走 06/03 船橋6R 9着/13頭+0.0秒 05/14 川崎7R 7着/11頭+0.5秒 05/08 船橋8R 5着/14頭+1.4秒 04/10 川崎8R 11着/11頭+3.1秒 03/18 浦和8R 7着/12頭+2.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 13走で勝率 23% (相性良) ◎ 距離適性同距離 16走で勝率 25% × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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	バースフラワー	池谷匠（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/11 川崎12R 8着/12頭+1.6秒 04/06 川崎9R 6着/11頭+0.4秒 03/11 船橋7R 9着/11頭+1.5秒 03/04 川崎5R 4着/11頭+0.6秒 01/15 大井10R 11着/12頭+1.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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。
9	ゴールドサイカ	木間龍（船橋）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場26走で勝率4%と苦戦傾向／同距離帯は26走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/27 浦和7R 9着/12頭 05/11 川崎12R 10着/12頭+2.1秒 04/08 川崎7R 11着/12頭+2.6秒 03/09 船橋6R 11着/11頭+4.6秒 03/03 川崎12R 11着/12頭+1.8秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 26走で勝率 4% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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。
10	ピーチマカロン	達城龍（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/27 浦和9R 6着/11頭+0.0秒 05/14 川崎7R 8着/11頭+0.6秒 05/06 船橋7R 6着/12頭+0.7秒 04/06 川崎9R 2着/11頭+0.1秒 03/03 川崎12R 5着/12頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 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	スレヒトゥヴアルク	町田直（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.3着と低調）
前5走 05/14 川崎7R 6着/11頭+0.4秒 11/21 川崎8R 9着/10頭+0.8秒 10/13 川崎9R 10着/12頭+2.5秒 09/08 川崎9R 4着/12頭+0.1秒 08/26 川崎4R 2着/11頭+0.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 7走で勝率 14% × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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。
12	レモングラス	御神訓（大井）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場8走で勝率25%と適性高／同距離帯5走で勝率40%／直近3走で勝率33%と好調）
前5走 12/17 川崎8R 3着/11頭+1.3秒 11/19 川崎4R 1着/12頭勝利 08/26 川崎4R 4着/11頭+1.0秒 08/04 川崎4R 2着/12頭+0.5秒 07/09 川崎1R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 3着 (好走) △ ローテーション 181日休養明け × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 15.3% ※ 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

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）

8R 川崎競馬場ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ハヤブサアポチャン	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率75%と適性高／同距離帯7走で勝率57%／直近3走で勝率33%と好調）
前5走 06/03 船橋4R 3着/11頭 03/16 浦和7R 2着/12頭+1.3秒 03/05 川崎6R 1着/11頭勝利 01/21 船橋3R 4着/12頭+0.8秒 11/17 川崎6R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 75% (得意) ◎ 距離適性同距離 7走で勝率 57% ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 16.5% ※ 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。
2	ボルダーオパール	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率38%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/15 川崎12R 1着/14頭勝利 03/31 船橋6R 6着/11頭+1.5秒 03/12 船橋12R 10着/12頭+1.8秒 02/25 浦和8R 9着/12頭+2.0秒 02/11 船橋12R 7着/14頭+2.2秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 8走で勝率 38% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 11.8% ※ 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	ノブアンドマックス	椿聡太（船橋）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/03 船橋5R 8着/11頭 05/06 船橋4R 9着/12頭+1.6秒 12/08 船橋4R 7着/12頭+1.3秒 11/04 船橋10R 9着/14頭+2.0秒 10/13 川崎7R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 8.9% ※ 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。
4	セクシーウィドー	岡村健（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/26 浦和8R 9着/9頭+5.0秒 05/12 川崎7R 2着/12頭+0.9秒 11/18 川崎6R 4着/14頭+1.7秒 10/27 浦和7R 10着/11頭+2.2秒 10/13 川崎12R 9着/13頭+3.1秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 19走で勝率 5% ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.0% ※ 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	デルマニンフ	町田直（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（277日ぶりの実戦）
前5走 09/12 川崎9R 8着/13頭+1.3秒 08/25 川崎7R 3着/11頭+1.6秒 08/06 川崎10R 6着/11頭+0.8秒 07/11 川崎10R 2着/13頭+0.1秒 06/19 川崎7R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 18走で勝率 17% △ ローテーション 277日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
6	フレッシュルーキー	山本大（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は13走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/02 船橋9R 10着/14頭 05/05 船橋12R 7着/12頭+1.1秒 03/30 船橋10R 9着/14頭+2.0秒 03/09 船橋9R 8着/14頭+1.7秒 02/23 浦和5R 2着/13頭+0.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.7着 (不振) ▽ 距離適性同距離は 13走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.0% ※ 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。
7	ケイツーブル	古岡勇（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向）
前5走 05/13 川崎6R 11着/14頭+1.5秒 04/09 川崎8R 7着/14頭+1.5秒 12/16 川崎7R 5着/14頭+1.2秒 11/17 川崎8R 7着/13頭+1.4秒 ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 4.6% ※ 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。
8	ヴァッツマン	佐野遥（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.0着と低調）
前5走 05/13 川崎6R 13着/14頭+1.9秒 04/06 川崎6R 8着/12頭+2.2秒 03/02 川崎4R 6着/10頭+1.6秒 01/02 川崎8R 8着/13頭+1.6秒 12/17 川崎6R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 12走で勝率 8% △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 3.6% ※ 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。
9	コパノディラン	篠谷葵（船橋）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯4走で勝率50%）
前5走 06/03 船橋4R 7着/11頭 05/07 船橋9R 5着/12頭+1.2秒 03/30 船橋10R 7着/14頭+1.5秒 03/09 船橋9R 12着/14頭+2.0秒 02/28 浦和9R 4着/12頭+1.0秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 ◎ 距離適性同距離 4走で勝率 50% × 期待値 (オッズ vs AI勝率) -62% (大幅な期待値マイナス) AI 予想勝率 19.8% ※ 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	インマイブラッド	伊藤裕（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.0着と低調）
前5走 06/03 船橋4R 9着/11頭 05/12 川崎4R 10着/12頭+1.4秒 04/06 川崎8R 11着/12頭+2.4秒 ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 12.5% ※ 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。

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

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）

9R 川崎競馬場ダート1600m　発走 18:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ドウザンワン	佐野遥（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率27%と適性高／同距離帯は4走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/27 浦和10R 3着/12頭 05/12 川崎9R 1着/8頭勝利 07/10 川崎9R 6着/14頭+1.1秒 06/19 川崎9R 2着/13頭+0.8秒 05/30 浦和9R 6着/12頭+2.1秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 11走で勝率 27% (得意) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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	ノッテストラータ	中越琉（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/12 川崎10R 6着/14頭+2.1秒 04/08 川崎12R 12着/14頭+2.9秒 03/20 浦和10R 7着/9頭+2.1秒 03/05 川崎12R 10着/11頭+2.1秒 02/03 川崎11R 4着/14頭+0.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 18走で勝率 11% ▽ 距離適性同距離は 4走で勝ち無し × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 3.7% ※ 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	ジーティーカイソク	笹川翼（大井）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率38%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 04/07 川崎12R 1着/12頭勝利 12/19 川崎10R 12着/14頭+4.9秒 11/19 川崎9R 5着/11頭+0.2秒 10/14 川崎12R 3着/14頭+0.6秒 09/10 川崎8R 3着/10頭+0.4秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 騎手近50戦勝率 26% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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	テディージュエリー	増田充（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 06/01 船橋11R 3着/8頭 05/12 川崎10R 13着/14頭+3.2秒 04/10 川崎12R 5着/11頭+0.5秒 03/03 川崎10R 10着/12頭+2.3秒 02/04 川崎9R 14着/14頭+3.0秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 13走で勝率 15% (相性良) △ 距離適性同距離 10走で勝率 10% ○ 前走実績前走 3着 (好走) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	ゴールドモーニン	古岡勇（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は10走で勝ち無し／直近3走平均11.3着と低調）
前5走 05/12 川崎10R 11着/14頭+2.8秒 04/10 川崎12R 11着/11頭+2.7秒 03/18 浦和9R 12着/12頭+3.2秒 03/05 川崎12R 9着/11頭+2.1秒 02/04 川崎9R 5着/14頭+0.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 11.3着 (不振) △ 当競馬場適性 17走で勝率 6% ▽ 距離適性同距離は 10走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.8% ※ 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	エイシントゥラン	池谷匠（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（67日ぶりの実戦）
前5走 04/10 川崎12R 6着/11頭+0.6秒 03/06 川崎9R 6着/11頭+0.8秒 02/04 川崎12R 5着/14頭+1.1秒 01/01 川崎10R 7着/14頭+2.1秒 11/20 川崎9R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 25走で勝率 8% × 期待値 (オッズ vs AI勝率) -93% (大幅な期待値マイナス) AI 予想勝率 3.3% ※ 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	リュクスレオン	佐藤翔（JRA）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 05/29 浦和10R 13着/13頭+2.0秒 04/08 川崎12R 7着/14頭+1.9秒 03/17 浦和10R 4着/12頭+1.7秒 03/05 川崎12R 11着/11頭+2.3秒 10/16 川崎5R 1着/13頭勝利
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 18日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -94% (大幅な期待値マイナス) AI 予想勝率 3.3% ※ 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。
8	エスプリゴンザレス	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/14 川崎9R 5着/13頭+0.3秒 04/07 川崎12R 3着/12頭+0.9秒 10/17 川崎10R 9着/14頭+3.0秒 09/25 浦和11R 6着/13頭+0.9秒 09/10 川崎12R 1着/14頭勝利
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 22走で勝率 23% (相性良) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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	スティールウィル	和田譲（大井）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率25%／直近3走で勝率33%と好調）
前5走 06/01 船橋11R 4着/8頭 05/14 川崎9R 1着/13頭勝利 04/21 浦和4R 2着/10頭+0.4秒 04/09 川崎9R 3着/14頭+0.5秒 03/06 川崎10R 9着/9頭+2.4秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ◎ 距離適性同距離 8走で勝率 25% ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	ユメドリーム	櫻井光（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（105日ぶりの実戦）
前5走 03/03 川崎10R 5着/12頭+0.8秒 02/04 川崎9R 4着/14頭+0.6秒 01/01 川崎8R 6着/14頭+1.7秒 12/19 川崎11R 5着/12頭+0.4秒 11/17 川崎9R 5着/14頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 騎手近50戦勝率 14% △ ローテーション 105日休養明け × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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。
11	ファイヤーウィップ	保園翔（浦和）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率60%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 05/12 川崎10R 2着/14頭+0.6秒 02/23 浦和10R 8着/11頭+1.7秒 01/01 川崎10R 1着/14頭勝利 12/18 川崎12R 1着/14頭勝利 11/27 浦和5R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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。
12	マインドブロン	本橋孝（船橋）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/04 船橋10R 11着/11頭+6.0秒 05/12 川崎10R 5着/14頭+1.8秒 03/03 川崎10R 8着/12頭+1.8秒 02/03 川崎11R 5着/14頭+0.6秒 08/21 川崎8R 3着/7頭+0.3秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 13走で勝率 23% (相性良) △ 距離適性同距離 9走で勝率 11% ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 6.4% ※ 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。
13	タケルサバイバル	矢野貴（大井）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率60%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/12 川崎12R 1着/14頭勝利 04/08 川崎9R 7着/13頭+1.8秒 03/06 川崎10R 1着/9頭勝利 02/02 川崎9R 5着/12頭+0.5秒 01/04 川崎9R 1着/13頭勝利
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 騎手近50戦勝率 22% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.0% ※ 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。
14	サドル	町田直（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率25%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 06/01 船橋11R 1着/8頭 05/14 川崎9R 4着/13頭+0.3秒 04/09 川崎9R 9着/14頭+1.6秒 03/16 浦和10R 7着/11頭+1.1秒 02/02 川崎10R 3着/14頭+1.0秒
AI 評価の内訳 — 馬番 14 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 13.6% ※ 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

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）

10R 川崎競馬場ダート1500m　発走 19:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ジョセフィーナ	高橋利（船橋）	実155.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 06/01 船橋11R 8着/8頭 05/04 船橋11R 9着/12頭+2.8秒 04/22 浦和7R 11着/12頭+1.4秒 03/30 船橋11R 6着/12頭+0.8秒 ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.3着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 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 1.4% (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。
2	レグノ	佐藤翔（JRA）	実12.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率29%と適性高／同距離帯17走で勝率29%／同馬場状態で勝率40%）
前5走 05/28 浦和11R 9着/13頭 05/11 川崎11R 5着/14頭+0.3秒 04/08 川崎10R 2着/14頭+0.2秒 03/04 川崎10R 2着/9頭+0.3秒 11/17 川崎10R 9着/11頭+2.1秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 14走で勝率 29% (得意) ◎ 距離適性同距離 17走で勝率 29% ◎ 馬場適性同馬場 5走で勝率 40% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 19日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 5.3% (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。
3	モネ	新原周（川崎）	実4.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場12走で勝率25%と適性高／同距離帯12走で勝率25%／直近3走で勝率33%と好調）
前5走 05/11 川崎11R 3着/14頭+0.3秒 04/08 川崎10R 1着/14頭勝利 03/04 川崎10R 4着/9頭+0.6秒 02/05 川崎11R 3着/12頭+0.8秒 09/08 川崎11R 2着/14頭+1.2秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 距離適性同距離 12走で勝率 25% ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 28.2% (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。
4	ユイノカタリベ	木幡初（JRA）	実11.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 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 3.9% (オッズ暗示: 8.6%) ※ 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。
5	オリコウデレガンス	吉原寛（金沢）	実6.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場11走で勝率27%と適性高／同距離帯6走で勝率50%）
前5走 05/11 川崎11R 6着/14頭+0.9秒 11/19 川崎11R 5着/13頭+0.8秒 10/16 川崎11R 6着/11頭+1.3秒 08/22 川崎11R 1着/8頭勝利 08/08 川崎10R 1着/10頭勝利
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 11走で勝率 27% (得意) ◎ 距離適性同距離 6走で勝率 50% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 13.0% (オッズ暗示: 14.5%) ※ 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。
6	アスクムービーオン	野畑凌（川崎）	実7.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率100%と適性高／同距離帯3走で勝率100%／直近3走で勝率100%と好調）
前5走 02/05 川崎6R 1着/14頭勝利 01/04 川崎5R 1着/11頭勝利 12/09 川崎2R 1着/7頭勝利 ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 距離適性同距離 3走で勝率 100% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 496日休養明け × 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 9.0% (オッズ暗示: 13.3%) ※ 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	アーデルリーベ	笹川翼（大井）	実4.7	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率28%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 騎手近50戦勝率 28% (好調) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 20.6% (オッズ暗示: 21.3%) ※ 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。
8	タイセイデクスター	谷原柚（JRA）	実43.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 2.2% (オッズ暗示: 2.3%) ※ 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。
9	ルクスメンデス	矢野貴（大井）	実27.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率22%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 2.9% (オッズ暗示: 3.7%) ※ 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。
10	カサブランカキッド	ゴンサ（JRA）	実5.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（132日ぶりの実戦）
前5走 02/04 川崎10R 4着/14頭+0.2秒 ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.0着 △ ローテーション 132日休養明け × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 5.5% (オッズ暗示: 17.9%) ※ 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。
11	ノーブルアクト	和田譲（大井）	実7.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 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 8.0% (オッズ暗示: 13.2%) ※ 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。

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

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. 市場込みモデル

馬連 3-7 実10.3倍期待値 +58% 100円 ❌不的中3番(11着)-7番(10着)

B. 市場除外+キャリブ

単勝 4 ユイノカタリベ実11.6倍期待値 +178% 推奨 5.4〜24.9倍 400円 ❌不的中7着単勝 11.6倍

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 川崎競馬場ダート900m　発走 20:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ティアラフォーカス	和田譲（大井）	実24.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/12 川崎11R 4着/12頭+1.4秒 03/10 大井11R 14着/16頭+2.6秒 03/02 川崎11R 3着/9頭+0.6秒 01/14 大井11R 4着/11頭+1.3秒 07/30 船橋11R 14着/14頭+2.7秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 期待値 (オッズ vs AI勝率) +12% (市場と概ね一致) AI 予想勝率 4.5% (オッズ暗示: 4.0%) ※ 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	フリーダム	達城龍（大井）	実11.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／同距離帯4走で勝率25%／前走3着）
前5走 05/12 川崎11R 3着/12頭+0.9秒 04/22 浦和11R 8着/13頭+0.7秒 03/19 浦和10R 2着/13頭+0.0秒 03/02 川崎11R 5着/9頭+0.7秒 12/12 船橋9R 6着/8頭+0.5秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 8.0% (オッズ暗示: 8.9%) ※ 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。
3	ミルトクレイモー	吉井章（大井）	実104.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調／中6日以内の連戦）
前5走 06/11 大井11R 12着/12頭+5.0秒 03/10 大井11R 10着/16頭+2.4秒 02/10 船橋11R 4着/10頭+1.3秒 ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.7着 (不振) ▽ 前走実績前走 12着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +157% (市場が大幅過小評価) AI 予想勝率 2.5% (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。
4	プライルード	本田重（船橋）	実6.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率50%と適性高／同距離帯6走で勝率50%／同馬場状態で勝率67%）
前5走 05/12 川崎11R 2着/12頭+0.9秒 03/02 川崎11R 1着/9頭勝利 12/10 船橋11R 14着/14頭+2.2秒 10/14 川崎11R 3着/11頭+0.4秒 07/30 船橋11R 9着/14頭+1.5秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 50% (得意) ◎ 距離適性同距離 6走で勝率 50% ◎ 馬場適性同馬場 3走で勝率 67% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 13.9% (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。
5	エンテレケイア	吉原寛（金沢）	実3.5	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／同馬場状態で勝率43%）
前5走 05/27 浦和11R 10着/13頭 04/15 大井11R 13着/14頭+2.0秒 12/10 船橋11R 1着/14頭勝利 11/03 船橋10R 12着/14頭+1.8秒 10/09 大井11R 7着/15頭+1.7秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 馬場適性同馬場 7走で勝率 43% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 13.5% (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。
6	デュアリスト	中山遥（浦和）	実194.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.7着と低調）
前5走 05/27 浦和11R 13着/13頭 05/12 川崎11R 10着/12頭+2.1秒 03/26 大井11R 12着/13頭+1.9秒 12/10 船橋11R 12着/14頭+2.0秒 07/30 船橋11R 3着/14頭+0.8秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 11.7着 (不振) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +315% (市場が大幅過小評価) AI 予想勝率 2.1% (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。
7	ムーム	西啓太（大井）	実18.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 06/05 船橋11R 2着/10頭 05/21 大井11R 9着/13頭+0.0秒 04/29 大井7R 3着/8頭+1.3秒 03/26 大井11R 9着/13頭+1.0秒 ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.7着 △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +52% (市場が大幅過小評価) AI 予想勝率 8.4% (オッズ暗示: 5.5%) ※ 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。
8	ロイヤルペガサス	小野俊（大井）	実150.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/20 大井11R 15着/16頭 04/28 大井11R 11着/16頭+2.5秒 04/17 大井11R 1着/12頭勝利 03/26 大井11R 11着/13頭+1.4秒 03/13 大井11R 8着/10頭+2.8秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 15着 (大敗) ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +183% (市場が大幅過小評価) AI 予想勝率 1.9% (オッズ暗示: 0.7%) ※ 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。
9	ハーフブルー	御神訓（大井）	実1.6	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率67%と好調／前走勝利の勢い／騎手は近50戦で勝率26%）
前5走 05/12 川崎11R 1着/12頭勝利 04/06 川崎11R 2着/9頭+0.9秒 12/26 大井10R 1着/12頭勝利 12/02 大井11R 4着/10頭+0.6秒 11/06 園田11R 9着/12頭+1.2秒
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 騎手近50戦勝率 26% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 45.3% (オッズ暗示: 62.5%) ※ 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。

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

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）

12R 川崎競馬場ダート2000m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テンダリー	本田重（船橋）	実2.4	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場6走で勝率33%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 05/12 川崎12R 2着/14頭+0.1秒 02/03 川崎9R 1着/14頭勝利 01/04 川崎9R 3着/13頭+0.2秒 12/17 川崎12R 1着/13頭勝利 11/19 川崎3R 4着/12頭+1.9秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 31.5% (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。
2	サーブザミッション	池谷匠（川崎）	実47.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向）
前5走 05/12 川崎9R 5着/8頭+1.5秒 04/09 川崎9R 7着/14頭+1.4秒 03/02 川崎7R 2着/7頭+0.5秒 02/04 川崎12R 10着/14頭+2.1秒 11/04 船橋7R 3着/13頭+0.4秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 2.1%) ※ 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。
3	ミヤビクライ	新原周（川崎）	実7.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場4走で勝率50%と適性高／直近3走で勝率33%と好調）
前5走 05/14 川崎9R 10着/13頭+1.9秒 04/09 川崎9R 1着/14頭勝利 03/06 川崎8R 5着/12頭+1.4秒 02/03 川崎3R 1着/13頭勝利 ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 50% (得意) ○ 騎手近50戦勝率 16% ▽ 前走実績前走 10着 (大敗) × 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 7.0% (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。
4	シスターネビュラ	藤江渉（川崎）	実138.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場29走で勝率3%と苦戦傾向）
前5走 05/13 川崎7R 10着/12頭+2.3秒 03/20 浦和8R 6着/13頭+1.5秒 03/02 川崎8R 5着/9頭+0.5秒 02/02 川崎6R 8着/13頭+1.5秒 01/04 川崎8R 3着/14頭+0.2秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 29走で勝率 3% (苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 0.5% (オッズ暗示: 0.7%) ※ 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。
5	ティナバローズ	和田譲（大井）	実62.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 06/02 船橋11R 9着/14頭+1.0秒 05/07 船橋12R 9着/13頭+2.6秒 04/03 船橋12R 2着/13頭+1.9秒 03/12 船橋12R 7着/12頭+1.2秒 02/23 浦和12R 7着/12頭+1.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 1.5% (オッズ暗示: 1.6%) ※ 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。
6	ビルドラポール	古岡勇（川崎）	実48.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/28 浦和9R 6着/12頭 05/15 川崎9R 7着/12頭+1.3秒 04/08 川崎9R 5着/13頭+1.3秒 03/17 浦和12R 4着/12頭+0.8秒 03/05 川崎8R 3着/10頭+1.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 2.1% (オッズ暗示: 2.1%) ※ 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	イモルテル	笹川翼（大井）	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/12 川崎12R 5着/14頭+0.3秒 04/08 川崎9R 4着/13頭+0.6秒 03/05 川崎5R 1着/10頭勝利 02/03 川崎9R 2着/14頭+0.1秒 01/03 川崎7R 9着/12頭+2.6秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 28% (好調) × 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 12.0% (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。
8	アヌマティチェコ	矢野貴（大井）	実14.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／267日ぶりの実戦／騎手は近50戦で勝率24%）
前5走 09/22 浦和12R 4着/11頭+0.7秒 08/15 浦和6R 2着/10頭+0.3秒 08/07 川崎1R 11着/12頭+2.8秒 07/22 浦和8R 4着/8頭+0.8秒 07/09 川崎5R 11着/14頭+1.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 8走で勝率 12% ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) △ ローテーション 267日休養明け △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 5.1% (オッズ暗示: 7.0%) ※ 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	ディオスパーダ	野畑凌（川崎）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調）
前5走 05/12 川崎12R 6着/14頭+0.5秒 09/03 名古屋10R 1着/12頭勝利 06/03 船橋6R 1着/12頭勝利 03/13 園田10R 3着/10頭+0.1秒 ―
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 29.9% (オッズ暗示: 27.8%) ※ 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	アンジュミストラル	西啓太（大井）	実9.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/28 浦和9R 9着/12頭 05/15 川崎9R 4着/12頭+0.7秒 04/10 川崎9R 7着/10頭+1.6秒 02/12 船橋9R 7着/14頭+1.6秒 08/20 浦和9R 11着/11頭+12.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 19日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 8.7% (オッズ暗示: 10.1%) ※ 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。

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

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）

1R 名古屋競馬場ダート920m　発走 14:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エターナルハーピー	渡邊竜（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は13走で勝ち無し／直近3走平均9.0着と低調）
前5走 06/05 名古屋2R 11着/12頭 05/19 名古屋1R 9着/10頭+2.8秒 05/04 名古屋1R 7着/9頭+2.0秒 04/20 名古屋1R 10着/12頭+2.8秒 04/07 名古屋1R 5着/11頭+1.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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。
2	テルレーヌ	今井貴（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場14走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/05 名古屋2R 8着/12頭 05/19 名古屋1R 6着/10頭+2.0秒 05/04 名古屋1R 5着/9頭+1.5秒 04/20 名古屋1R 7着/12頭+2.4秒 04/07 名古屋1R 7着/11頭+1.4秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.9% ※ 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。
3	ジン	東川慎（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場10走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 06/05 名古屋2R 7着/12頭+2.0秒 05/19 名古屋1R 7着/10頭+2.4秒 05/06 名古屋8R 9着/10頭+5.4秒 04/20 名古屋1R 6着/12頭+2.3秒 04/07 名古屋1R 6着/11頭+1.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 7.6% ※ 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	ムギガクダン	丸野勝（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走平均2.0着と安定／前走2着）
前5走 06/05 名古屋2R 2着/12頭 05/19 名古屋1R 2着/10頭+1.7秒 ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.0着 (安定) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -72% (大幅な期待値マイナス) AI 予想勝率 16.6% ※ 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。
5	クモンリュウ	望月洵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率28%）
前5走 06/05 名古屋2R 6着/12頭 05/19 名古屋4R 9着/11頭+5.5秒 03/12 船橋7R 6着/9頭+1.6秒 ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.4% ※ 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。
6	シンデレラローズ	阪野学（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.0着と低調）
前5走 05/19 名古屋1R 10着/10頭+2.8秒 05/04 名古屋1R 8着/9頭+2.1秒 ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.0着 (不振) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。
7	ニシキバーキン	大原浩（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／直近3走平均8.3着と低調／271日ぶりの実戦）
前5走 09/18 名古屋9R 12着/12頭+4.5秒 09/04 名古屋10R 6着/11頭+3.6秒 08/21 名古屋6R 7着/10頭+3.9秒 07/24 名古屋8R 8着/8頭+10.8秒 07/11 名古屋6R 2着/7頭+0.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 271日休養明け × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 8.4% ※ 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	ウワサノモアナ	木之葵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 06/05 名古屋2R 9着/12頭+0.0秒 03/09 名古屋1R 3着/11頭+0.9秒 02/23 名古屋8R 4着/10頭+0.3秒 02/09 名古屋3R 6着/12頭+1.4秒 01/16 名古屋2R 4着/12頭+0.5秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 13.4% ※ 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。
9	グランドサークル	塚本征（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率24%）
前5走 06/05 名古屋2R 5着/12頭 05/07 船橋2R 6着/12頭+3.1秒 04/01 船橋1R 7着/12頭+1.5秒 03/10 船橋1R 5着/11頭+1.0秒 02/12 船橋1R 4着/9頭+0.6秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.7% ※ 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。
10	イントゥディープ	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 06/05 名古屋2R 12着/12頭 05/19 名古屋3R 8着/9頭+3.9秒 05/04 名古屋3R 10着/10頭+5.3秒 01/27 名古屋2R 10着/10頭+7.8秒 ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 10.6% ※ 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

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）

2R 名古屋競馬場ダート1500m　発走 14:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グランドタルマエ	丸野勝（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/03 名古屋2R 7着/12頭 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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。
2	ビオトープ	丸山真（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均12.0着と低調）
前5走 06/03 名古屋2R 12着/12頭+6.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 12.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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	シャインプレマ	丹羽克（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/05 名古屋3R 7着/10頭 ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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	フローラルウェイ	加藤聡（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率20%）
前5走 06/03 名古屋2R 6着/12頭 ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.0着 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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。
5	マイネルカイザー	今井貴（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/05 名古屋3R 6着/10頭+1.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 11.7% ※ 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	スマートピクタス	木之葵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/05 名古屋3R 8着/10頭+7.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.0着 (不振) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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。
7	バッカス	小笠羚（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 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。
8	マランドロ	渡邊竜（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 12.3% ※ 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。
9	フライトマップ	近藤颯（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走平均9.0着と低調）
前5走 06/05 名古屋3R 9着/10頭+2.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 13.2% ※ 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。
10	モメンタムシフト	阪野学（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均8.0着と低調）
前5走 06/03 名古屋2R 8着/12頭 ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.0% ※ 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

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）

3R 名古屋競馬場ダート1500m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ナムラハンナ	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均11.0着と低調／132日ぶりの実戦）
前5走 02/04 川崎6R 11着/12頭+2.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 11.0着 (不振) ▽ 前走実績前走 11着 (大敗) △ ローテーション 132日休養明け × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.3% ※ 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。
2	ゴッドシュアウイン	塚本征（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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。
3	クイーンオブハート	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
4	クリコメリー	丸山真（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均11.0着と低調）
前5走 04/23 名古屋10R 11着/12頭+4.6秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 11.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
5	ボドニーク	細川智（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均12.0着と低調）
前5走 05/12 川崎8R 12着/12頭+3.4秒 ― ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 12.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.1% ※ 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	ニシノアオニヨシ	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
7	ヴィゴラスガイア	木之葵（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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	ノーブルサンライズ	丸野勝（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.3% ※ 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。
9	キーサーバー	阪野学（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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。
10	グラスベリー	大畑慧（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.0% ※ 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。
11	テイスティング	今井貴（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 11.8% ※ 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。

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

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）

4R 名古屋競馬場ダート920m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パルパルマジック	東川慎（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場43走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し／直近3走平均10.7着と低調）
前5走 12/18 名古屋8R 12着/12頭+7.4秒 12/04 名古屋1R 11着/12頭+4.8秒 11/07 名古屋1R 9着/10頭+2.5秒 10/14 名古屋1R 12着/12頭+4.5秒 09/16 名古屋1R 8着/11頭+1.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 43走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 180日休養明け × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 7.2% ※ 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	ゴールドサニーデイ	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均10.0着と低調）
前5走 06/02 名古屋4R 11着/11頭+3.0秒 05/19 名古屋2R 10着/10頭+3.0秒 05/04 名古屋2R 9着/11頭+2.2秒 04/20 名古屋4R 9着/12頭+3.0秒 04/07 名古屋2R 10着/10頭+4.0秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 11.7% ※ 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	レディマジェスティ	今井貴（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場48走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/19 名古屋5R 10着/11頭+1.7秒 05/04 名古屋5R 5着/11頭+0.6秒 04/20 名古屋4R 8着/12頭+2.9秒 04/07 名古屋4R 10着/11頭+2.5秒 03/23 名古屋5R 8着/11頭+2.1秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 48走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 騎手近50戦勝率 14% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 4.7% ※ 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	クワイエットエニフ	木之葵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場15走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／前走3着）
前5走 06/02 名古屋4R 3着/11頭+1.0秒 05/04 名古屋2R 3着/11頭+0.2秒 04/20 名古屋4R 7着/12頭+2.3秒 04/07 名古屋4R 7着/11頭+2.2秒 03/23 名古屋4R 7着/10頭+1.6秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 12.8% ※ 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。
5	ヴィヴィアンワン	大畑慧（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場15走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 06/02 名古屋5R 7着/11頭 05/04 名古屋2R 2着/11頭+0.2秒 04/20 名古屋4R 4着/12頭+1.6秒 04/07 名古屋2R 3着/10頭+1.5秒 11/07 名古屋4R 10着/11頭+3.6秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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。
6	ケノファニース	丹羽克（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場16走で勝率0%と苦戦傾向／直近3走平均10.3着と低調）
前5走 06/02 名古屋5R 11着/11頭+0.0秒 05/19 名古屋5R 9着/11頭+1.4秒 05/04 名古屋5R 11着/11頭+2.9秒 04/20 名古屋5R 10着/12頭+2.8秒 04/07 名古屋5R 11着/11頭+5.9秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -71% (大幅な期待値マイナス) AI 予想勝率 13.8% ※ 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。
7	ホーリーウェル	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場41走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/02 名古屋4R 10着/11頭 05/19 名古屋2R 8着/10頭+2.5秒 05/04 名古屋2R 11着/11頭+2.6秒 04/20 名古屋4R 12着/12頭+4.4秒 04/07 名古屋2R 8着/10頭+2.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 41走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 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。
8	シラガゾメ	加藤利（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場47走で勝率0%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 06/02 名古屋4R 7着/11頭 05/19 名古屋2R 7着/10頭+1.9秒 05/04 名古屋2R 7着/11頭+1.5秒 04/07 名古屋2R 6着/10頭+2.1秒 03/23 名古屋11R 8着/11頭+1.2秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 47走で勝率 0% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 5.9% ※ 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	テルケンレンダー	大畑雅（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 06/02 名古屋4R 4着/11頭+0.0秒 05/19 名古屋2R 4着/10頭+1.1秒 ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.0着 ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 21.8% ※ 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	ヤマサークル	大原浩（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場35走で勝率3%と苦戦傾向）
前5走 05/19 名古屋5R 6着/11頭+1.2秒 05/04 名古屋2R 4着/11頭+0.5秒 04/20 名古屋4R 10着/12頭+3.1秒 04/07 名古屋2R 4着/10頭+1.7秒 03/09 名古屋2R 4着/11頭+0.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 35走で勝率 3% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。

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

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）

5R 名古屋競馬場ダート1500m　発走 16:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	デアトゥバトル	丹羽克（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均10.0着と低調／104日ぶりの実戦）
前5走 03/04 川崎8R 10着/12頭+4.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.0着 (不振) ▽ 前走実績前走 10着 (大敗) △ ローテーション 104日休養明け × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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	ウインプライム	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.5% ※ 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	ヴァイツェン	木之葵（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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	ポッポヘジュセヨ	友森翔（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
5	ウシワカマル	大畑慧（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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	ニキータ	望月洵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.8% ※ 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。
7	ファフロツキーズ	渡邊竜（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 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。
8	インサラータ	近藤颯（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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。
9	ケイツータカ	大原浩（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 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。
10	メイショウアルマ	大畑雅（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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	エバーウインド	塚本征（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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。

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

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）

6R 名古屋競馬場ダート1500m　発走 17:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	タマモサウルス	大原浩（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場49走で勝率4%と苦戦傾向／同距離帯は35走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/02 名古屋6R 7着/12頭 05/19 名古屋12R 11着/11頭+2.7秒 05/04 名古屋12R 11着/11頭+3.8秒 04/20 名古屋8R 10着/12頭+2.4秒 04/08 名古屋4R 10着/11頭+3.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 49走で勝率 4% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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。
2	グランドフューチャ	塚本征（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場34走で勝率0%と苦戦傾向／同距離帯は32走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/19 名古屋6R 6着/11頭+1.1秒 05/04 名古屋7R 11着/11頭+2.7秒 04/07 名古屋11R 11着/11頭+4.3秒 03/09 名古屋7R 12着/12頭+5.2秒 02/23 名古屋5R 11着/12頭+3.0秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 34走で勝率 0% (苦戦) ▽ 距離適性同距離は 32走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 5.5% ※ 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	ウンザーシャイネン	丸野勝（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.3着と安定／前走2着／217日ぶりの実戦）
前5走 11/11 名古屋3R 2着/10頭+0.1秒 02/14 名古屋3R 3着/10頭+0.4秒 01/30 名古屋6R 2着/11頭+0.4秒 01/20 名古屋11R 4着/10頭+0.8秒 01/06 名古屋6R 6着/11頭+1.4秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 17走で勝率 12% ○ 距離適性同距離 13走で勝率 15% ○ 前走実績前走 2着 (好走) △ ローテーション 217日休養明け × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 13.1% ※ 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。
4	ホリゾンブルー	小笠羚（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場27走で勝率0%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 06/02 名古屋6R 8着/12頭 05/19 名古屋6R 2着/11頭+0.0秒 05/04 名古屋5R 3着/11頭+0.3秒 04/07 名古屋4R 5着/11頭+1.8秒 03/23 名古屋5R 10着/11頭+3.0秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.8% ※ 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。
5	ブリッツシャッテン	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し／直近3走で勝率33%と好調／前走2着）
前5走 05/19 名古屋5R 2着/11頭+0.4秒 05/04 名古屋2R 1着/11頭勝利 04/07 川崎1R 11着/12頭+3.1秒 03/03 川崎1R 10着/10頭+4.3秒 07/09 川崎1R 12着/12頭+3.9秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 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。
6	ガムピーリング	山田祥（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場12走で勝率0%と苦戦傾向／同距離帯は22走で勝ち無し）
前5走 06/02 名古屋5R 4着/11頭 05/19 名古屋5R 4着/11頭+1.1秒 05/04 名古屋5R 8着/11頭+1.7秒 04/07 名古屋5R 7着/11頭+3.0秒 03/23 名古屋7R 8着/11頭+2.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 22走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.8% ※ 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。
7	ボンボニエーレ	大畑慧（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 06/02 名古屋5R 5着/11頭 12/09 名古屋6R 9着/12頭+2.7秒 11/12 名古屋2R 9着/11頭+3.2秒 10/30 名古屋4R 8着/12頭+2.9秒 10/01 名古屋6R 12着/12頭+3.4秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.7着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) △ 距離適性同距離 10走で勝率 10% ○ 馬場適性同馬場 9走で勝率 22% ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -70% (大幅な期待値マイナス) AI 予想勝率 16.6% ※ 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。
8	アカイツキ	木之葵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場24走で勝率4%と苦戦傾向／同距離帯は21走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/19 名古屋7R 11着/11頭+4.4秒 05/04 名古屋12R 8着/11頭+2.8秒 04/20 名古屋8R 7着/12頭+1.7秒 04/08 名古屋4R 11着/11頭+4.2秒 03/23 名古屋7R 11着/11頭+4.4秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 24走で勝率 4% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -78% (大幅な期待値マイナス) AI 予想勝率 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。
9	マッサーノ	加藤利（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場34走で勝率0%と苦戦傾向／同距離帯は36走で勝ち無し）
前5走 06/02 名古屋5R 6着/11頭 05/19 名古屋6R 8着/11頭+1.2秒 05/04 名古屋7R 7着/11頭+1.7秒 04/07 名古屋11R 10着/11頭+2.5秒 03/23 名古屋11R 2着/11頭+0.1秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 34走で勝率 0% (苦戦) ▽ 距離適性同距離は 36走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -80% (大幅な期待値マイナス) AI 予想勝率 9.0% ※ 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	スマートエラブル	丹羽克（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場37走で勝率0%と苦戦傾向／同距離帯は31走で勝ち無し）
前5走 05/19 名古屋6R 4着/11頭+0.7秒 05/04 名古屋7R 9着/11頭+1.9秒 04/20 名古屋7R 8着/12頭+2.4秒 04/08 名古屋3R 11着/11頭+2.8秒 03/23 名古屋6R 10着/11頭+2.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 37走で勝率 0% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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

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）

7R 名古屋競馬場ダート1500m　発走 17:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クールマーロウ	加藤利（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／前走2着）
前5走 06/02 名古屋5R 2着/11頭+3.0秒 05/19 名古屋6R 5着/11頭+0.9秒 05/04 名古屋6R 4着/10頭+1.9秒 04/20 名古屋5R 5着/12頭+1.5秒 04/07 名古屋5R 6着/11頭+2.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -72% (大幅な期待値マイナス) AI 予想勝率 12.2% ※ 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	パリモード	加藤聡（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し）
前5走 05/19 名古屋12R 10着/11頭+2.4秒 05/05 名古屋2R 8着/11頭+1.3秒 04/20 名古屋7R 4着/12頭+1.4秒 04/08 名古屋3R 7着/11頭+2.0秒 03/23 名古屋7R 6着/11頭+1.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し ○ 騎手近50戦勝率 18% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -91% (大幅な期待値マイナス) AI 予想勝率 5.5% ※ 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	ニホンピログリット	大畑雅（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 06/02 名古屋6R 5着/12頭+0.0秒 05/19 名古屋7R 3着/11頭+1.0秒 05/04 名古屋7R 5着/11頭+0.6秒 04/20 名古屋5R 2着/12頭+0.1秒 04/07 名古屋2R 2着/10頭+1.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 15走で勝率 13% △ 距離適性同距離 11走で勝率 9% ○ 馬場適性同馬場 7走で勝率 29% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -66% (大幅な期待値マイナス) AI 予想勝率 19.6% ※ 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	リコークルセーダー	渡邊竜（笠松）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場36走で勝率3%と苦戦傾向／同距離帯は32走で勝ち無し）
前5走 05/19 名古屋6R 9着/11頭+1.3秒 04/20 名古屋6R 6着/12頭+1.3秒 04/07 名古屋11R 6着/11頭+1.5秒 03/24 名古屋5R 9着/12頭+1.9秒 03/10 名古屋5R 8着/11頭+1.8秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 36走で勝率 3% (苦戦) ▽ 距離適性同距離は 32走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 6.0% ※ 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	エコロカナワン	大原浩（笠松）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場22走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/20 名古屋1R 10着/10頭+1.0秒 05/05 名古屋2R 10着/11頭+2.1秒 04/08 名古屋5R 10着/10頭+2.5秒 03/25 名古屋1R 11着/11頭+2.3秒 03/10 名古屋10R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 6.1% ※ 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	ホウショウビフウ	大畑慧（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/19 名古屋12R 6着/11頭+1.0秒 05/04 名古屋12R 10着/11頭+3.5秒 04/08 名古屋3R 3着/11頭+1.3秒 03/24 名古屋3R 4着/10頭+1.5秒 01/02 名古屋7R 8着/11頭+2.9秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
7	バレドラパン	細川智（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/02 名古屋6R 6着/12頭 05/19 名古屋12R 5着/11頭+1.0秒 04/20 名古屋8R 9着/12頭+2.4秒 04/08 名古屋4R 9着/11頭+1.3秒 03/24 名古屋8R 6着/12頭+0.9秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
8	サイコロチャン	望月洵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.7着と低調／騎手は近50戦で勝率26%）
前5走 05/19 名古屋7R 10着/11頭+3.4秒 12/09 名古屋8R 9着/12頭+2.1秒 11/25 名古屋4R 10着/12頭+5.4秒 11/12 名古屋5R 7着/11頭+3.2秒 10/31 名古屋10R 9着/12頭+2.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 41走で勝率 7% △ 距離適性同距離 36走で勝率 6% ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.2% ※ 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。
9	アンジェララヴ	東川慎（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場43走で勝率2%と苦戦傾向／同距離帯は39走で勝ち無し）
前5走 06/02 名古屋7R 8着/12頭+2.0秒 05/19 名古屋7R 2着/11頭+1.0秒 05/04 名古屋7R 8着/11頭+1.9秒 04/20 名古屋7R 9着/12頭+2.5秒 04/07 名古屋11R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 43走で勝率 2% (苦戦) ▽ 距離適性同距離は 39走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -77% (大幅な期待値マイナス) AI 予想勝率 11.0% ※ 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	メイショウミスイチ	今井貴（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場20走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／直近3走平均8.3着と低調）
前5走 06/02 名古屋7R 7着/12頭+1.0秒 05/20 名古屋1R 7着/10頭 05/05 名古屋2R 11着/11頭+3.3秒 04/08 名古屋6R 9着/11頭+2.5秒 03/23 名古屋6R 2着/11頭+1.1秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 11.4% ※ 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

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）

8R 名古屋競馬場ダート920m　発走 18:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウィウィルウィン	塚本征（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／騎手は近50戦で勝率24%）
前5走 05/21 名古屋11R 7着/10頭+0.0秒 11/01 名古屋7R 1着/12頭勝利 10/21 名古屋7R 8着/12頭+1.9秒 09/19 名古屋9R 9着/12頭+2.3秒 07/24 名古屋6R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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。
2	フェリアフローレス	友森翔（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率25%／前走2着）
前5走 05/25 名古屋8R 2着/10頭 05/05 名古屋1R 4着/11頭+0.4秒 04/24 名古屋6R 11着/12頭+3.4秒 03/27 名古屋1R 2着/10頭+0.0秒 01/19 名古屋3R 5着/11頭+1.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 11走で勝率 18% (相性良) ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ○ 前走実績前走 2着 (好走) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 8.5% ※ 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	ウィルトゥーウェル	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.7着と低調）
前5走 05/27 浦和7R 7着/12頭 04/23 浦和4R 11着/11頭+2.9秒 03/20 浦和8R 11着/13頭+2.7秒 11/26 浦和9R 11着/12頭+1.6秒 10/31 浦和5R 4着/12頭+0.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.7着 (不振) △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 16% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
4	ビッグベッター	近藤颯（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は3走で勝ち無し）
前5走 06/02 名古屋8R 8着/11頭 05/20 名古屋9R 5着/11頭 05/05 名古屋1R 5着/11頭+0.5秒 04/22 名古屋7R 3着/12頭+0.6秒 04/08 名古屋9R 9着/11頭+2.2秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 56走で勝率 9% ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -92% (大幅な期待値マイナス) AI 予想勝率 3.9% ※ 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	マルトクローレル	望月洵（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場37走で勝率3%と苦戦傾向／直近3走平均2.0着と安定／前走2着）
前5走 06/02 名古屋11R 2着/12頭 05/05 名古屋1R 2着/11頭+0.1秒 04/08 名古屋10R 2着/11頭+0.5秒 03/24 名古屋11R 2着/12頭+0.1秒 03/10 名古屋7R 4着/11頭+0.6秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 2.0着 (安定) × 当競馬場適性 37走で勝率 3% (苦戦) △ 距離適性同距離 23走で勝率 9% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.7% ※ 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	タイセイフォルテ	大畑慧（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 06/04 名古屋7R 7着/11頭+0.0秒 05/22 名古屋12R 10着/10頭+6.0秒 05/05 名古屋1R 1着/11頭勝利 04/24 名古屋10R 8着/11頭+2.1秒 04/13 名古屋7R 4着/10頭+0.8秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 17走で勝率 6% ◎ 距離適性同距離 3走で勝率 33% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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。
7	コスモベルツリー	渡邊竜（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走3着）
前5走 06/03 名古屋9R 3着/12頭+2.0秒 05/20 名古屋9R 4着/11頭+0.0秒 05/06 名古屋7R 2着/12頭+0.2秒 04/22 名古屋7R 7着/12頭+1.4秒 04/09 名古屋10R 4着/11頭+0.9秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 27走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 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。
8	ワンハート	細川智（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均2.7着と安定／前走2着）
前5走 05/21 名古屋6R 2着/10頭 05/05 名古屋1R 3着/11頭+0.4秒 04/08 名古屋10R 3着/11頭+0.9秒 03/24 名古屋11R 5着/12頭+0.5秒 03/13 名古屋10R 1着/11頭勝利
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.7着 (安定) △ 当競馬場適性 22走で勝率 9% △ 距離適性同距離 8走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 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	イストロス	大畑雅（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場16走で勝率62%と適性高／同馬場状態で勝率88%／直近3走で勝率67%と好調）
前5走 06/03 名古屋8R 4着/12頭+1.0秒 11/20 名古屋10R 1着/12頭勝利 11/11 名古屋10R 1着/11頭勝利 10/15 名古屋10R 6着/12頭+2.2秒 08/22 名古屋12R 1着/11頭勝利
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 16走で勝率 62% (得意) ◎ 馬場適性同馬場 8走で勝率 88% × 期待値 (オッズ vs AI勝率) -73% (大幅な期待値マイナス) AI 予想勝率 15.8% ※ 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	ロイヤルイブキ	今井貴（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場6走で勝率0%と苦戦傾向／直近3走平均9.7着と低調）
前5走 05/21 名古屋6R 9着/10頭 04/23 名古屋8R 12着/12頭+5.2秒 04/09 名古屋5R 8着/11頭+1.4秒 03/09 名古屋10R 2着/9頭+0.1秒 11/27 園田10R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 8.6% ※ 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。
11	リョウライライ	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/02 名古屋9R 10着/12頭+4.0秒 05/19 名古屋10R 8着/12頭+1.0秒 05/05 名古屋8R 6着/10頭+1.4秒 04/20 名古屋10R 6着/12頭+1.7秒 04/07 名古屋8R 8着/10頭+1.7秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 68走で勝率 9% ▽ 距離適性同距離は 4走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 5.4% ※ 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。
12	パー	木之葵（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場20走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 06/02 名古屋8R 7着/11頭+1.0秒 05/20 名古屋12R 4着/11頭 05/05 名古屋8R 5着/10頭+1.0秒 04/20 名古屋10R 8着/12頭+2.1秒 04/08 名古屋11R 8着/10頭+1.5秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 5.7% ※ 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。

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

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）

9R 名古屋競馬場ダート1500m　発走 18:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ポジティビティ	細川智（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 06/02 名古屋8R 3着/11頭+0.0秒 05/19 名古屋10R 10着/12頭+1.3秒 05/06 名古屋7R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -76% (大幅な期待値マイナス) AI 予想勝率 13.2% ※ 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	ベストフラワー	加藤聡（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向）
前5走 06/02 名古屋8R 11着/11頭+1.0秒 03/23 名古屋9R 7着/12頭+2.1秒 03/09 名古屋9R 3着/9頭+0.7秒 02/25 名古屋12R 4着/10頭+0.6秒 02/10 名古屋12R 4着/11頭+2.6秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) △ 距離適性同距離 9走で勝率 11% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -85% (大幅な期待値マイナス) AI 予想勝率 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。
3	ハクサンミニョン	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場20走で勝率30%と適性高／同距離帯11走で勝率45%／同馬場状態で勝率42%）
前5走 06/04 名古屋8R 10着/11頭 01/02 名古屋12R 4着/9頭+1.5秒 11/26 名古屋10R 8着/12頭+1.9秒 11/11 名古屋11R 8着/11頭+1.3秒 10/29 名古屋11R 8着/11頭+2.0秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) ◎ 当競馬場適性 20走で勝率 30% (得意) ◎ 距離適性同距離 11走で勝率 45% ◎ 馬場適性同馬場 12走で勝率 42% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 12.4% ※ 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。
4	トーマステソーロ	渡邊竜（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率29%と適性高／同距離帯3走で勝率33%）
前5走 06/02 名古屋8R 5着/11頭 05/19 名古屋10R 4着/12頭+0.4秒 05/05 名古屋7R 2着/11頭+0.4秒 04/07 名古屋8R 7着/10頭+1.6秒 02/25 名古屋8R 2着/10頭+0.2秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 7走で勝率 29% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 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。
5	ラブリーサイン	望月洵（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率0%と苦戦傾向／直近3走平均9.7着と低調／騎手は近50戦で勝率24%）
前5走 05/20 名古屋12R 8着/11頭 04/20 名古屋11R 9着/11頭+2.2秒 04/07 名古屋9R 12着/12頭+2.6秒 01/13 名古屋11R 2着/12頭+0.1秒 01/03 名古屋10R 3着/12頭+0.3秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) △ 距離適性同距離 17走で勝率 6% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 9.1% ※ 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	ロードリレーション	木之葵（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 名古屋9R 9着/12頭 05/20 名古屋11R 9着/11頭 04/20 名古屋10R 3着/12頭+0.4秒 04/08 名古屋8R 1着/11頭勝利 03/09 名古屋11R 2着/12頭+0.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 8走で勝率 12% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.0% ※ 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。
7	サブリュウシン	小笠羚（愛知）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし
前5走 06/02 名古屋9R 5着/12頭 05/19 名古屋8R 8着/12頭+2.8秒 05/05 名古屋8R 3着/10頭+0.4秒 04/20 名古屋10R 11着/12頭+3.6秒 04/09 名古屋10R 1着/11頭勝利
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 32走で勝率 6% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -88% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
8	ミニマルデザイン	大畑雅（愛知）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同馬場状態で勝率67%／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/21 名古屋7R 1着/10頭 12/25 園田9R 1着/12頭勝利 12/10 園田12R 4着/12頭+0.4秒 11/21 園田12R 1着/12頭勝利 10/29 園田12R 5着/12頭+1.3秒
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 馬場適性同馬場 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 26日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -74% (大幅な期待値マイナス) AI 予想勝率 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。
9	マッティーナ	山田祥（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調）
前5走 06/02 名古屋8R 10着/11頭 05/21 名古屋10R 1着/9頭 05/06 名古屋7R 9着/12頭+1.9秒 04/09 名古屋10R 8着/11頭+1.6秒 03/09 名古屋11R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 9走で勝率 11% ○ 距離適性同距離 5走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -83% (大幅な期待値マイナス) AI 予想勝率 9.3% ※ 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。
10	クルベリ	塚本征（愛知）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は5走で勝ち無し／騎手は近50戦で勝率24%）
前5走 06/02 名古屋9R 7着/12頭 05/19 名古屋10R 7着/12頭+1.0秒 11/03 船橋8R 8着/13頭+1.7秒 10/03 船橋12R 8着/13頭+1.0秒 08/28 船橋10R 4着/12頭+0.5秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.3着 (不振) ▽ 距離適性同距離は 5走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 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。

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

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）

10R 名古屋競馬場ダート2000m　発走 19:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	エイシンゴーオン	塚本征（愛知）	実43.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率24%）
前5走 06/02 名古屋9R 4着/12頭+0.0秒 05/19 名古屋8R 7着/12頭+1.4秒 05/04 名古屋9R 3着/7頭+0.8秒 04/20 名古屋10R 7着/12頭+1.8秒 04/08 名古屋9R 2着/11頭+0.3秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 12走で勝率 8% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.3%) ※ 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。
2	テルケンレンジョイ	今井貴（愛知）	実18.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/19 名古屋8R 5着/12頭+1.0秒 04/20 名古屋11R 8着/11頭+1.6秒 04/07 名古屋9R 3着/12頭+0.0秒 03/24 名古屋9R 3着/10頭+0.2秒 03/10 名古屋8R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 23走で勝率 17% (相性良) △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 14走で勝率 21% ○ 騎手近50戦勝率 14% ○ ローテーション 28日の間隔 (理想的) × 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 3.6% (オッズ暗示: 5.5%) ※ 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	ワウワウワウ	丸野勝（愛知）	実22.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率42%と適性高／同馬場状態で勝率33%）
前5走 05/19 名古屋8R 10着/12頭+3.0秒 05/04 名古屋9R 6着/7頭+1.3秒 04/20 名古屋11R 4着/11頭+1.0秒 02/26 名古屋12R 1着/11頭勝利 02/12 名古屋5R 1着/11頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 ◎ 当競馬場適性 12走で勝率 42% (得意) ◎ 馬場適性同馬場 6走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 5.0% (オッズ暗示: 4.5%) ※ 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	シンコーマーチャン	小笠羚（愛知）	実67.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は7走で勝ち無し）
前5走 05/19 名古屋8R 11着/12頭+3.0秒 04/20 名古屋11R 5着/11頭+1.2秒 04/07 名古屋9R 4着/12頭+0.5秒 03/24 名古屋9R 2着/10頭+0.1秒 03/10 名古屋8R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 50走で勝率 6% ▽ 距離適性同距離は 7走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.5%) ※ 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	ダイタエリュシオン	望月洵（愛知）	実2.6	🌟◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／同馬場状態で勝率67%／直近3走で勝率67%と好調）
前5走 05/19 名古屋10R 3着/12頭+0.2秒 04/22 名古屋6R 1着/12頭勝利 04/10 名古屋6R 1着/10頭勝利 09/17 大井9R 1着/14頭勝利 ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 馬場適性同馬場 3走で勝率 67% ◎ 騎手近50戦勝率 28% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 41.7% (オッズ暗示: 38.5%) ※ 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。
6	ロックマジェスティ	大畑慧（愛知）	実4.6	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場23走で勝率26%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 06/04 名古屋9R 1着/12頭 05/20 名古屋9R 3着/11頭+3.0秒 04/24 名古屋7R 1着/12頭勝利 04/13 名古屋8R 5着/11頭+1.5秒 02/13 名古屋2R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 23走で勝率 26% (得意) ○ 馬場適性同馬場 12走で勝率 25% ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 9.1% (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。
7	グローブフェイム	近藤颯（愛知）	実26.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率33%と適性高／同馬場状態で勝率33%／前走2着）
前5走 06/02 名古屋8R 2着/11頭+0.0秒 05/20 名古屋12R 5着/11頭 05/05 名古屋8R 4着/10頭+1.0秒 01/03 名古屋8R 1着/11頭勝利 12/19 名古屋9R 4着/11頭+0.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 12走で勝率 33% (得意) ◎ 馬場適性同馬場 6走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 3.6% (オッズ暗示: 3.8%) ※ 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	ミダスリスト	渡邊竜（笠松）	実9.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場14走で勝率29%と適性高／直近3走で勝率33%と好調）
前5走 05/19 名古屋8R 4着/12頭+0.8秒 05/04 名古屋10R 2着/8頭+0.6秒 04/09 名古屋8R 1着/12頭勝利 03/23 名古屋10R 3着/8頭+0.4秒 03/02 名古屋12R 2着/11頭+0.0秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 14走で勝率 29% (得意) ○ 馬場適性同馬場 9走で勝率 22% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 10.4%) ※ 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。
9	ユアグローリー	友森翔（愛知）	実115.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し）
前5走 06/02 名古屋9R 6着/12頭 05/04 名古屋9R 5着/7頭+1.2秒 04/20 名古屋11R 6着/11頭+1.2秒 04/07 名古屋9R 10着/12頭+1.6秒 03/11 名古屋11R 6着/11頭+1.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 34走で勝率 9% ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 1.0% (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	アオレレ	柿原翔（愛知）	実77.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 06/02 名古屋9R 11着/12頭+1.0秒 05/19 名古屋8R 3着/12頭+0.7秒 05/05 名古屋8R 9着/10頭+1.9秒 04/20 名古屋10R 4着/12頭+0.7秒 04/07 名古屋8R 4着/10頭+0.8秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 29走で勝率 10% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.3%) ※ 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。
11	アイドルアイズ	細川智（愛知）	実2.7	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率40%と適性高／同馬場状態で勝率33%／直近3走平均3.0着と安定）
前5走 06/02 名古屋8R 4着/11頭 05/20 名古屋9R 2着/11頭 02/09 名古屋12R 3着/9頭+0.6秒 01/16 名古屋9R 1着/9頭勝利 01/03 名古屋7R 1着/12頭勝利
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子平均 3.0着 (安定) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 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 25.1% (オッズ暗示: 37.0%) ※ 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

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. 市場込みモデル

馬連 5-11 実4.8倍期待値 +53% 300円 ❌不的中5番(1着)-11番(3着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 名古屋競馬場ダート1500m　発走 19:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	セイウンアーテル	今井貴（愛知）	実2.2	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走2着）
前5走 06/02 名古屋9R 2着/12頭 05/19 名古屋10R 2着/12頭+0.2秒 05/06 名古屋6R 1着/11頭勝利 04/23 名古屋8R 2着/12頭+0.6秒 04/10 名古屋7R 2着/11頭+0.7秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) × 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 27.3% (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。
2	クリノナイスガイ	細川智（愛知）	実264.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均10.0着と低調）
前5走 05/19 名古屋9R 9着/11頭+2.5秒 05/05 名古屋9R 11着/11頭+4.0秒 04/22 名古屋10R 10着/12頭+2.9秒 ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +79% (市場が大幅過小評価) AI 予想勝率 0.7% (オッズ暗示: 0.4%) ※ 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。
3	ラジエル	丸野勝（愛知）	実70.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/20 名古屋11R 10着/11頭+1.0秒 05/05 名古屋9R 5着/11頭+0.4秒 04/22 名古屋11R 6着/12頭+1.2秒 03/17 浦和10R 9着/12頭+2.3秒 02/25 浦和9R 9着/13頭+1.3秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 距離適性同距離 9走で勝率 11% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 1.6% (オッズ暗示: 1.4%) ※ 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。
4	オーケーサンダー	丸山真（愛知）	実100.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均2.7着と安定／前走3着／404日ぶりの実戦）
前5走 05/08 名古屋12R 3着/10頭+0.2秒 03/31 名古屋11R 2着/9頭+0.2秒 03/17 名古屋9R 3着/11頭+0.5秒 02/27 名古屋3R 1着/10頭勝利 01/30 名古屋2R 2着/10頭+0.7秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.7着 (安定) ○ 当競馬場適性 11走で勝率 18% (相性良) ○ 距離適性同距離 9走で勝率 22% ○ 馬場適性同馬場 8走で勝率 25% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) △ ローテーション 404日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +128% (市場が大幅過小評価) AI 予想勝率 2.3% (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。
5	ゴラッソゴール	加藤利（愛知）	実29.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 06/02 名古屋10R 6着/12頭+2.0秒 05/19 名古屋9R 5着/11頭+1.3秒 05/05 名古屋9R 6着/11頭+0.8秒 04/20 名古屋11R 3着/11頭+1.0秒 04/07 名古屋8R 5着/10頭+0.9秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 81走で勝率 6% △ 距離適性同距離 34走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 2.2% (オッズ暗示: 3.4%) ※ 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。
6	ムーンスカイ	望月洵（愛知）	実7.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率28%）
前5走 04/30 園田11R 6着/10頭+1.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 ◎ 騎手近50戦勝率 28% (好調) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 9.5% (オッズ暗示: 12.8%) ※ 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。
7	ピーチブロッサム	大畑慧（愛知）	実40.5	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 06/02 名古屋10R 9着/12頭+0.0秒 05/05 名古屋9R 7着/11頭+1.0秒 04/20 浦和10R 5着/12頭+1.3秒 04/08 川崎12R 10着/14頭+2.3秒 03/09 船橋11R 6着/10頭+1.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) ○ 距離適性同距離 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +50% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 2.5%) ※ 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。
8	エピックナイト	柿原翔（愛知）	実22.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯24走で勝率29%／同馬場状態で勝率31%／前走3着）
前5走 06/02 名古屋9R 3着/12頭+4.0秒 05/19 名古屋10R 6着/12頭+0.9秒 05/05 名古屋8R 2着/10頭+0.2秒 04/07 名古屋8R 9着/10頭+2.4秒 03/25 名古屋7R 8着/10頭+2.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 27走で勝率 22% (相性良) ◎ 距離適性同距離 24走で勝率 29% ◎ 馬場適性同馬場 16走で勝率 31% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +49% (妙味あり) AI 予想勝率 6.7% (オッズ暗示: 4.5%) ※ 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	コパノデーヴィド	木之葵（愛知）	実57.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/19 名古屋11R 9着/11頭+1.9秒 05/04 名古屋10R 3着/8頭+0.6秒 04/22 名古屋11R 12着/12頭+3.2秒 04/13 名古屋11R 9着/10頭+3.4秒 03/11 名古屋9R 10着/11頭+3.5秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 32走で勝率 22% (相性良) ○ 距離適性同距離 24走で勝率 21% ○ ローテーション 28日の間隔 (理想的) 🌟◎ 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 4.4% (オッズ暗示: 1.7%) ※ 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。
10	ソリスルクス	丹羽克（愛知）	実155.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 05/14 園田12R 9着/12頭+2.0秒 04/23 園田10R 7着/11頭+1.5秒 03/18 園田12R 10着/12頭+1.9秒 12/31 園田8R 4着/10頭+2.3秒 12/17 園田9R 8着/12頭+1.3秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) △ 距離適性同距離 25走で勝率 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 1.4% (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。
11	パーフェクト	渡邊竜（笠松）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 05/05 名古屋8R 1着/10頭勝利 04/22 名古屋12R 3着/12頭+1.4秒 04/08 名古屋8R 2着/11頭+0.7秒 01/26 名古屋10R 2着/11頭+0.7秒 ―
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 26.6% (オッズ暗示: 27.8%) ※ 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。
12	プレミアシップ	塚本征（愛知）	実4.0	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 騎手近50戦勝率 24% (好調) × 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 13.6% (オッズ暗示: 25.0%) ※ 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

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）

12R 名古屋競馬場ダート1500m　発走 20:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シャンドネージュ	丹羽克（愛知）	実5.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場19走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し）
前5走 06/02 名古屋6R 10着/12頭 05/20 名古屋1R 8着/10頭 04/20 名古屋8R 4着/12頭+1.0秒 04/08 名古屋4R 8着/11頭+0.9秒 03/09 名古屋8R 5着/12頭+2.4秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 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 8.6% (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。
2	ウインフルゴラ	望月洵（愛知）	実10.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場14走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し／騎手は近50戦で勝率28%）
前5走 06/02 名古屋6R 12着/12頭+5.0秒 05/19 名古屋7R 5着/11頭+1.9秒 05/04 名古屋7R 4着/11頭+0.5秒 04/20 名古屋6R 7着/12頭+1.4秒 04/07 名古屋6R 4着/11頭+1.1秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 6.9% (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。
3	ウタカタ	塚本征（愛知）	実3.9	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率26%）
前5走 06/02 名古屋6R 11着/12頭 05/19 名古屋6R 3着/11頭+0.3秒 05/04 名古屋6R 5着/10頭+2.2秒 04/20 名古屋5R 8着/12頭+2.0秒 04/07 名古屋6R 7着/11頭+2.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 16走で勝率 6% ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 27.0% (オッズ暗示: 25.6%) ※ 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	シャインモノリス	山田祥（愛知）	実13.5	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場23走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 06/02 名古屋5R 8着/11頭+3.0秒 05/19 名古屋2R 3着/10頭+0.9秒 05/04 名古屋5R 6着/11頭+1.1秒 04/20 名古屋4R 11着/12頭+3.7秒 04/07 名古屋4R 8着/11頭+2.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 23走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 9.0% (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。
5	ユイノチョウシンキ	大原浩（笠松）	実72.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.0着と低調）
前5走 06/02 名古屋4R 8着/11頭+1.0秒 05/19 名古屋5R 7着/11頭+1.3秒 05/04 名古屋5R 9着/11頭+2.0秒 04/07 名古屋4R 11着/11頭+4.4秒 03/27 名古屋1R 10着/10頭+3.8秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 1.5% (オッズ暗示: 1.4%) ※ 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。
6	コモモチャン	丸山真（愛知）	実2.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場14走で勝率0%と苦戦傾向／同距離帯は14走で勝ち無し）
前5走 06/02 名古屋6R 9着/12頭+2.0秒 05/19 名古屋12R 8着/11頭+1.1秒 05/04 名古屋12R 5着/11頭+1.5秒 04/20 名古屋8R 11着/12頭+3.1秒 04/08 名古屋3R 6着/11頭+2.0秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 距離適性同距離は 14走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 29.6% (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。
7	ベッラフロー	大畑雅（愛知）	実33.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場57走で勝率0%と苦戦傾向／同距離帯は52走で勝ち無し）
前5走 06/02 名古屋5R 9着/11頭 05/19 名古屋5R 5着/11頭+1.1秒 05/04 名古屋5R 4着/11頭+0.6秒 04/20 名古屋5R 6着/12頭+1.7秒 04/07 名古屋5R 10着/11頭+4.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 57走で勝率 0% (苦戦) ▽ 距離適性同距離は 52走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 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 2.0% (オッズ暗示: 3.0%) ※ 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。
8	ゼンダンマイウェイ	渡邊竜（笠松）	実7.6	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場16走で勝率0%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 06/02 名古屋4R 6着/11頭 05/19 名古屋2R 5着/10頭+1.5秒 05/04 名古屋2R 5着/11頭+0.7秒 04/20 名古屋4R 5着/12頭+2.0秒 04/07 名古屋2R 9着/10頭+3.8秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 4.8% (オッズ暗示: 13.2%) ※ 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。
9	ラブウェイ	尾崎章（愛知）	実23.8	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場65走で勝率2%と苦戦傾向／同距離帯は62走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/02 名古屋4R 5着/11頭 05/19 名古屋5R 11着/11頭+2.8秒 05/04 名古屋5R 10着/11頭+2.9秒 04/20 名古屋5R 11着/12頭+2.8秒 04/07 名古屋4R 6着/11頭+2.0秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 65走で勝率 2% (苦戦) ▽ 距離適性同距離は 62走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -55% (大幅な期待値マイナス) AI 予想勝率 1.9% (オッズ暗示: 4.2%) ※ 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。
10	ナムラアダム	柿原翔（愛知）	実39.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場71走で勝率4%と苦戦傾向／同距離帯は66走で勝ち無し／直近3走平均9.7着と低調）
前5走 06/02 名古屋7R 10着/12頭+0.0秒 05/20 名古屋2R 8着/10頭+0.0秒 04/20 名古屋9R 11着/11頭+3.8秒 04/08 名古屋6R 11着/11頭+2.9秒 03/25 名古屋3R 10着/11頭+5.1秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 71走で勝率 4% (苦戦) ▽ 距離適性同距離は 66走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 2.2% (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。
11	シロイヤツ	加藤利（愛知）	実86.1	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場30走で勝率0%と苦戦傾向／同距離帯は26走で勝ち無し／直近3走平均8.7着と低調）
前5走 06/02 名古屋4R 9着/11頭 05/19 名古屋2R 9着/10頭+2.6秒 05/04 名古屋2R 8着/11頭+2.1秒 04/20 名古屋4R 6着/12頭+2.2秒 04/07 名古屋2R 5着/10頭+2.0秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 30走で勝率 0% (苦戦) ▽ 距離適性同距離は 26走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 0.5% (オッズ暗示: 1.2%) ※ 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。
12	トリプルアイ	小笠羚（愛知）	実22.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場74走で勝率1%と苦戦傾向／同距離帯は60走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/19 名古屋6R 10着/11頭+2.5秒 05/04 名古屋6R 7着/10頭+3.4秒 04/20 名古屋6R 10着/12頭+2.7秒 04/07 名古屋6R 8着/11頭+2.3秒 03/23 名古屋11R 3着/11頭+0.6秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 74走で勝率 1% (苦戦) ▽ 距離適性同距離は 60走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 6.1% (オッズ暗示: 4.5%) ※ 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。

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

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. 市場込みモデル

馬連 3-6 実8.3倍期待値 +85% 200円
3連複 3-4-6 実37.9倍期待値 +291% 100円

B. 市場除外+キャリブ

単勝 4 シャインモノリス実13.5倍期待値 +151% 推奨 7.0〜26.2倍 300円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

🎯 直近3日の的中馬券1件

2026/06/15（月）1的中

B モデル

2026年

06月15日

川崎

2レース

単
勝

5

ハマウルフ

オッズ27.1倍

払戻 2,710円

📚 競馬AI・馬券の解説記事

AIモデルの仕組み・南関東競馬の基礎・期待値プラスの考え方など、Stride AI 編集部による解説記事です。

AIで競馬は勝てるのか — 機械学習予想の現実と限界
AI 機械学習による競馬予想は本当に勝てるのか。LightGBM ベースの実運用モデルで分かった現実的な期待値、勝てる条件、そして越えられない壁を解説。
南関東競馬入門 — 大井・川崎・船橋・浦和の特徴と狙い方
南関東4場（大井・川崎・船橋・浦和）の競馬場特徴・コース傾向・狙い目を AI 予想実運用の観点から徹底解説。地方競馬初心者にも分かりやすく。
期待値プラスの馬券とは — 競馬を「投資」として考える基礎
競馬の単勝オッズと期待値の関係を数式と具体例で解説。ケリー基準による資金管理、長期的なプラス収支を狙う「投資的アプローチ」の基礎を学べます。
AI が外した時、何が起きているのか — 不的中レースの 3 パターン分析
Stride AI の不的中レースを「展開負け / 馬場不適 / 状態変化」の 3 パターンに分類して分析。なぜ外したか、どう改善するか、業界唯一の不的中公開サイトが解説します。
パチンコ・スロットと競馬、何が決定的に違うのか — 構造比較
控除率・情報非対称性・期待値抽出可能性の3軸でパチスロと競馬を比較。なぜ競馬には「期待値プラスの馬券」が残るのかを、AI 予想を作る人間の視点から構造的に解説。
期待値プラスでも破産する? — ケリー基準の基礎
期待値プラスの戦略を見つけても、全額賭けると破産する。数学的に最適な賭金を求めるケリー基準と、実用的な分数ケリーまでを高校数学レベルで解説。

すべての解説記事を見る →

Stride AI とは — 機械学習で「期待値プラスの1点」を抽出

Stride AI は、南関東競馬（大井・川崎・船橋・浦和）など地方競馬を対象に、機械学習（LightGBM）が算出する「期待値（EV）プラス」の馬券を毎日無料で公開する AI 予想サイトです。経験や勘ではなく、過去数年分・10 万件規模のレースデータと 125 次元の特徴量を学習した統計モデルが、市場オッズと AI 推定勝率の乖離を突いて、長期回収率 100% 超を狙える買い目だけを抽出します。

EV+

期待値ベース抽出

「勝率×オッズ−1」がプラスの馬だけを狙い、人気の盲点（中穴帯）を機械的に発見します。

全件

不的中も含めて公開

的中レースだけを切り取らず、外れも含めた全推奨と累計成績を公開しています。

1/20

保守的な資金管理

ケリー基準 1/20 の少額分割で、1 回の負けで資金が大きく削られない設計です。

はじめての方へ — 3 ステップ

本日の推奨を見るトップの「本日のイチオシ」と各レースの AI 推奨（◎本命）をチェックします。
期待値とオッズ帯を確認オッズ 5〜30 倍の中穴帯を中心に、AI 期待値がプラスの馬を検討します。
余裕資金の範囲で馬券購入は自己責任・余裕資金で。詳しくは購入戦略をご覧ください。

もっと詳しく: AIモデルの仕組み・運用実績・解説記事・運営情報

本日の推奨馬 AIランクTOP5 期待値順

運用実績 2モデル並走

📢 お知らせ

本日の全レース予想

🎯 直近3日の的中馬券1件

📚 競馬AI・馬券の解説記事

Stride AI とは — 機械学習で「期待値プラスの1点」を抽出

はじめての方へ — 3 ステップ