川崎1R AI予想 - Stride AI

川崎 1R 詳細AI予想

本レースは AI 期待値が高い注目レースです。全馬の評価と推奨馬券を以下に掲載します。

1R 川崎競馬場ダート1400m　発走 15:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アビエーション	秋元耕（浦和）	実72.9	▽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／直近3走平均8.0着と低調）
前5走 05/12 川崎1R 9着/12頭+3.8秒 04/22 浦和1R 8着/11頭+3.7秒 03/20 浦和4R 7着/10頭+3.3秒 ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) ▽ 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) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 1.0% (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。
2	イチゴプリン	古岡勇（川崎）	実11.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 05/12 川崎1R 11着/12頭+4.1秒 04/10 川崎3R 4着/8頭+1.3秒 03/06 川崎1R 2着/8頭+1.0秒 02/02 川崎2R 5着/9頭+2.1秒 01/04 川崎2R 6着/8頭+2.9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 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 11着 (大敗) × 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 5.1% (オッズ暗示: 8.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ルミナスストーン	山本大（船橋）	実20.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 06/03 船橋2R 6着/7頭 05/08 船橋2R 2着/9頭+0.6秒 04/03 船橋2R 6着/11頭+2.0秒 03/13 船橋1R 3着/8頭+1.5秒 11/06 船橋2R 7着/7頭+4.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.7着 △ 騎手近50戦勝率 2% (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) -29% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 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。
4	ユウユウカツサンド	佐野遥（川崎）	実94.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11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 05/12 川崎1R 10着/12頭+3.8秒 04/10 川崎3R 7着/8頭+2.0秒 03/02 川崎1R 5着/10頭+2.1秒 02/06 川崎3R 9着/12頭+3.7秒 11/20 川崎2R 9着/9頭+1.9秒
AI 評価の内訳 — 馬番 4 × 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 10走で勝ち無し ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 1.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	セレステラ	池谷匠（川崎）	実27.6	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（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 05/28 浦和1R 10着/11頭 05/14 川崎1R 4着/8頭+2.0秒 04/10 川崎2R 6着/10頭+0.8秒 11/17 川崎2R 2着/10頭+0.0秒 10/17 川崎4R 7着/10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 × 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 △ 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 21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 2.2% (オッズ暗示: 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。
6	ココア	藤江渉（川崎）	実12.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8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8.0着と低調）
前5走 05/12 川崎1R 5着/12頭+1.5秒 03/02 川崎1R 8着/10頭+3.3秒 02/06 川崎3R 11着/12頭+3.8秒 09/23 浦和2R 10着/10頭+3.7秒 09/08 川崎3R 11着/11頭+4.0秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 10.9% (オッズ暗示: 7.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	マッドチェイサー	川島正（船橋）	実15.2	▲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0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/29 浦和3R 7着/9頭+0.0秒 05/12 川崎1R 12着/12頭+6.7秒 04/10 川崎1R 3着/10頭+2.1秒 01/04 川崎1R 5着/11頭+1.1秒 12/19 川崎2R 5着/9頭+1.8秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 4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 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) +43% (妙味あり) AI 予想勝率 9.4% (オッズ暗示: 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	オリコウビアリッツ推奨	櫻井光（川崎）	実9.1	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+73%の中穴候補（市場想定よりAI評価が高く妙味）
前5走 01/03 川崎2R 5着/9頭+1.0秒 12/19 川崎3R 2着/6頭+0.9秒 ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 3.5着 △ ローテーション 166日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +73% (市場が大幅過小評価) AI 予想勝率 19.1% (オッズ暗示: 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。
9	グリーンアンシェル	中山遥（浦和）	実49.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 06/04 船橋2R 10着/12頭+1.0秒 05/07 船橋2R 12着/12頭+4.2秒 01/20 船橋2R 8着/9頭+2.0秒 12/09 船橋7R 7着/13頭+1.7秒 11/05 船橋1R 3着/11頭+0.4秒
AI 評価の内訳 — 馬番 9 × 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 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アファーマティヴ	加藤雄（川崎）	実16.2	△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0%と苦戦傾向／同距離帯は11走で勝ち無し／前走2着）
前5走 05/15 川崎1R 2着/9頭+0.0秒 04/10 川崎1R 6着/10頭+2.7秒 03/06 川崎2R 9着/10頭+2.1秒 02/02 川崎4R 8着/9頭+1.7秒 01/04 川崎3R 3着/8頭+1.0秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 11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) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 2.6% (オッズ暗示: 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。
11	アメリカンサンデー	中越琉（川崎）	実1.7	▲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／前走3着）
前5走 05/14 川崎1R 3着/8頭+1.2秒 04/10 川崎1R 2着/10頭+1.0秒 02/05 川崎2R 7着/10頭+1.9秒 ― ―
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 前走実績前走 3着 (好走) × 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 18.1% (オッズ暗示: 58.8%) ※ 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	センプレヴェルデ	野畑凌（川崎）	実6.3	◎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／225日ぶりの実戦）
前5走 11/05 園田4R 9着/12頭+1.9秒 ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.0着 (不振) ○ 騎手近50戦勝率 16% △ ローテーション 225日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 25.8% (オッズ暗示: 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。

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

単勝 8 オリコウビアリッツ実9.1倍期待値 +73% 推奨 6.8〜12.1倍 200円
馬連 8-12 実27.0倍期待値 +242% 200円

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

あわせて読む

本日のAI予想購入戦略の解説 AIモデルの仕組み運用実績（回収率）

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。