札幌 2R 詳細AI予想
本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。
モデル
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ラストシャイニー |
松本 |
実45.8 |
B▽ A▽勝率3% EV+31% 詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.2%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 2.9% / 期待値 +31% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ビレッジルイーザ |
▲小林美 |
実4.1 |
B○ A○勝率15% EV-37% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 17.9% (オッズ暗示: 24.4%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 15.1% / 期待値 -38% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
チカマヨルキーナ |
横山琉 |
実142.1 |
B▽ A▽勝率1% EV+93% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 0.6% (オッズ暗示: 0.7%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.4% / 期待値 +93% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ハスカップジャム |
☆長浜 |
実64.4 |
B▽ A▽勝率3% EV+84% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.6%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 2.9% / 期待値 +85% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ルージュボニート |
丹内 |
実5.9 |
B▲ A▲勝率15% EV-10% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 15.4% (オッズ暗示: 16.9%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 15.1% / 期待値 -11% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
プルーフリーディン |
鮫島駿 |
実2.1 |
B🌟◎ A◎勝率25% EV-48% 詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 35.6% (オッズ暗示: 47.6%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 24.5% / 期待値 -48% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
サマースプラッシュ |
◇古川奈 |
実56.4 |
B▽ A▽勝率3% EV+61% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 1.3% (オッズ暗示: 1.8%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 2.9% / 期待値 +62% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ルパピヨンブラン |
西村淳 |
実7.0 |
B△ A△勝率15% EV+5% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 12.8% (オッズ暗示: 14.3%) △Aモデルの評価 (参考) レース内 4位 / 勝率 15.1% / 期待値 +6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 9 |
スリーケイ |
佐々木 |
実14.2 |
B△ A△勝率7% EV+3% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 5.0% (オッズ暗示: 7.0%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.3% / 期待値 +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 |
ワイルドカグラ 推奨 |
★河原田 |
実10.8 |
B△ A△勝率13% EV+38% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 8.3% (オッズ暗示: 9.3%) △Aモデルの評価 (参考) レース内 5位 / 勝率 12.8% / 期待値 +39% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
AI評価
🌟◎鉄板本命 ◎本命 ○対抗 ▲注目
△押さえ ▽下位 ×推奨外
／ 期待値 100円賭けたときの想定利益率
／ オッズ 実=リアル取得済 推定=推定オッズ
AIの推奨本命の次点
出走馬全10頭
△期待値 (オッズ vs AI勝率)
-25% (オッズ過剰評価)
AI 予想勝率
35.6% (オッズ暗示: 47.6%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 24.5% / 期待値 -48%
△期待値 (オッズ vs AI勝率)
-27% (オッズ過剰評価)
AI 予想勝率
17.9% (オッズ暗示: 24.4%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 15.1% / 期待値 -38%
△期待値 (オッズ vs AI勝率)
-9% (オッズ過剰評価)
AI 予想勝率
15.4% (オッズ暗示: 16.9%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 15.1% / 期待値 -11%
△期待値 (オッズ vs AI勝率)
-10% (オッズ過剰評価)
AI 予想勝率
12.8% (オッズ暗示: 14.3%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 15.1% / 期待値 +6%
△期待値 (オッズ vs AI勝率)
-10% (オッズ過剰評価)
AI 予想勝率
8.3% (オッズ暗示: 9.3%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 12.8% / 期待値 +39%
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
5.0% (オッズ暗示: 7.0%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.3% / 期待値 +3%
△期待値 (オッズ vs AI勝率)
-17% (オッズ過剰評価)
AI 予想勝率
1.8% (オッズ暗示: 2.2%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 2.9% / 期待値 +31%
△期待値 (オッズ vs AI勝率)
-26% (オッズ過剰評価)
AI 予想勝率
1.3% (オッズ暗示: 1.8%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 2.9% / 期待値 +62%
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
1.3% (オッズ暗示: 1.6%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 2.9% / 期待値 +85%
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
0.6% (オッズ暗示: 0.7%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.4% / 期待値 +93%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
10
ワイルドカグラ
実10.8倍
期待値 -10%
推奨 12.1〜30.0倍
¥200
B. 新モデル (rank最適化 + leak-free + 確率校正)
このモデルは本レース見送り判定（期待値プラスなし）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ラストシャイニー |
松本 |
実45.8 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 2.9% (オッズ暗示: 2.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
ビレッジルイーザ |
▲小林美 |
実4.1 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -38% (大幅な期待値マイナス) AI 予想勝率 15.1% (オッズ暗示: 24.4%) ※ 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 |
チカマヨルキーナ |
横山琉 |
実142.1 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +93% (市場が大幅過小評価) AI 予想勝率 1.4% (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。 |
| 4 |
ハスカップジャム |
☆長浜 |
実64.4 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +84% (市場が大幅過小評価) AI 予想勝率 2.9% (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。 |
| 5 |
ルージュボニート |
丹内 |
実5.9 |
▲詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 15.1% (オッズ暗示: 16.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
プルーフリーディン |
鮫島駿 |
実2.1 |
◎詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -48% (大幅な期待値マイナス) AI 予想勝率 24.5% (オッズ暗示: 47.6%) ※ 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 |
サマースプラッシュ |
◇古川奈 |
実56.4 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 2.9% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 8 |
ルパピヨンブラン |
西村淳 |
実7.0 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 15.1% (オッズ暗示: 14.3%) ※ 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 |
スリーケイ |
佐々木 |
実14.2 |
△詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 7.3% (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。 |
| 10 |
ワイルドカグラ 推奨 |
★河原田 |
実10.8 |
△詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 12.8% (オッズ暗示: 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
AIの推奨本命の次点
出走馬全10頭
×期待値 (オッズ vs AI勝率)
-48% (大幅な期待値マイナス)
AI 予想勝率
24.5% (オッズ暗示: 47.6%)
×期待値 (オッズ vs AI勝率)
-38% (大幅な期待値マイナス)
AI 予想勝率
15.1% (オッズ暗示: 24.4%)
△期待値 (オッズ vs AI勝率)
-11% (オッズ過剰評価)
AI 予想勝率
15.1% (オッズ暗示: 16.9%)
△期待値 (オッズ vs AI勝率)
+5% (市場と概ね一致)
AI 予想勝率
15.1% (オッズ暗示: 14.3%)
◎期待値 (オッズ vs AI勝率)
+38% (妙味あり)
AI 予想勝率
12.8% (オッズ暗示: 9.3%)
△期待値 (オッズ vs AI勝率)
+3% (市場と概ね一致)
AI 予想勝率
7.3% (オッズ暗示: 7.0%)
◎期待値 (オッズ vs AI勝率)
+31% (妙味あり)
AI 予想勝率
2.9% (オッズ暗示: 2.2%)
🌟◎期待値 (オッズ vs AI勝率)
+61% (市場が大幅過小評価)
AI 予想勝率
2.9% (オッズ暗示: 1.8%)
🌟◎期待値 (オッズ vs AI勝率)
+84% (市場が大幅過小評価)
AI 予想勝率
2.9% (オッズ暗示: 1.6%)
🌟◎期待値 (オッズ vs AI勝率)
+93% (市場が大幅過小評価)
AI 予想勝率
1.4% (オッズ暗示: 0.7%)
💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
10
ワイルドカグラ
実10.8倍
期待値 +39%
推奨 10.0〜30.0倍
¥200
B. 新モデル (rank最適化 + leak-free + 確率校正)
このモデルは本レース見送り判定（期待値プラスなし）
本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。
