札幌 6R 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 |
デルマタカチホ |
★河原田 |
実20.1 |
B▽ A▽勝率4% EV-23% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 3.9% (オッズ暗示: 5.0%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 3.8% / 期待値 -24% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ミッキーテネシー |
丹内 |
実3.5 |
B○ A○勝率20% EV-29% 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 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○AIランク評価 (順位学習モデル) レース内 2位 (上位評価) ×期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 19.8% (オッズ暗示: 28.6%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 20.1% / 期待値 -30% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
カイユレ |
☆長浜 |
実76.1 |
B▽ A▽勝率2% EV+37% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.3%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 1.8% / 期待値 +37% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ダディーズソード |
☆舟山 |
実57.4 |
B▽ A▽勝率2% 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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 1.7% (オッズ暗示: 1.7%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 1.8% / 期待値 +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 |
ブリリアンブルーム |
▲小林美 |
実30.5 |
B▽ A▽勝率3% 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 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 3.1% (オッズ暗示: 3.3%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 3.4% / 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。 |
| 6 |
サトノリアファル 推奨 |
横山和 |
実11.8 |
B△ A△勝率11% EV+26% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 9.4% (オッズ暗示: 8.5%) △Aモデルの評価 (参考) レース内 5位 / 勝率 10.7% / 期待値 +27% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
スチョウプリンセス |
松本 |
実31.6 |
B▽ A▽勝率3% EV+0% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 2.7% (オッズ暗示: 3.2%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 3.2% / 期待値 +1% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 8 |
ゴコウコイコイ |
鮫島駿 |
実9.2 |
B△ A△勝率11% EV-1% 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) -2% (オッズ過剰評価) AI 予想勝率 10.7% (オッズ暗示: 10.9%) △Aモデルの評価 (参考) レース内 4位 / 勝率 10.7% / 期待値 -1% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 9 |
ヘイジュード |
浜中 |
実2.7 |
B◎ A◎勝率20% EV-45% 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) -46% (大幅な期待値マイナス) AI 予想勝率 19.8% (オッズ暗示: 37.0%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 20.1% / 期待値 -46% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
スノーエルヴァ |
◇古川奈 |
実17.2 |
B▽ A▽勝率4% EV-27% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 4.6% (オッズ暗示: 5.8%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 4.2% / 期待値 -27% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 11 |
ジングアップ |
佐々木 |
実13.5 |
B△ A△勝率4% EV-42% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 6.7% (オッズ暗示: 7.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 4.2% / 期待値 -43% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ロッサコメータ |
西村淳 |
実7.4 |
B▲ A▲勝率16% EV+17% 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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +22% (市場と概ね一致) AI 予想勝率 16.5% (オッズ暗示: 13.5%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 15.9% / 期待値 +18% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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12頭
×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
19.8% (オッズ暗示: 37.0%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 20.1% / 期待値 -46%
○AIランク評価 (順位学習モデル)
レース内 2位 (上位評価)
×期待値 (オッズ vs AI勝率)
-31% (大幅な期待値マイナス)
AI 予想勝率
19.8% (オッズ暗示: 28.6%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 20.1% / 期待値 -30%
△期待値 (オッズ vs AI勝率)
+22% (市場と概ね一致)
AI 予想勝率
16.5% (オッズ暗示: 13.5%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 15.9% / 期待値 +18%
△期待値 (オッズ vs AI勝率)
-2% (オッズ過剰評価)
AI 予想勝率
10.7% (オッズ暗示: 10.9%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 10.7% / 期待値 -1%
△期待値 (オッズ vs AI勝率)
+10% (市場と概ね一致)
AI 予想勝率
9.4% (オッズ暗示: 8.5%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 10.7% / 期待値 +27%
△期待値 (オッズ vs AI勝率)
-9% (オッズ過剰評価)
AI 予想勝率
6.7% (オッズ暗示: 7.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 4.2% / 期待値 -43%
△期待値 (オッズ vs AI勝率)
-20% (オッズ過剰評価)
AI 予想勝率
4.6% (オッズ暗示: 5.8%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 4.2% / 期待値 -27%
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
3.9% (オッズ暗示: 5.0%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 3.8% / 期待値 -24%
△期待値 (オッズ vs AI勝率)
-5% (オッズ過剰評価)
AI 予想勝率
3.1% (オッズ暗示: 3.3%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 3.4% / 期待値 +3%
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
2.7% (オッズ暗示: 3.2%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 3.2% / 期待値 +1%
△期待値 (オッズ vs AI勝率)
-2% (オッズ過剰評価)
AI 予想勝率
1.7% (オッズ暗示: 1.7%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 1.8% / 期待値 +4%
△期待値 (オッズ vs AI勝率)
-22% (オッズ過剰評価)
AI 予想勝率
1.0% (オッズ暗示: 1.3%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 1.8% / 期待値 +37%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
6
サトノリアファル
実11.8倍
期待値 +10%
推奨 10.7〜30.0倍
¥100
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 |
デルマタカチホ |
★河原田 |
実20.1 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 3.8% (オッズ暗示: 5.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
ミッキーテネシー |
丹内 |
実3.5 |
○詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ○AIランク評価 (順位学習モデル) レース内 2位 (上位評価) △期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 20.1% (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。 |
| 3 |
カイユレ |
☆長浜 |
実76.1 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 1.8% (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。 |
| 4 |
ダディーズソード |
☆舟山 |
実57.4 |
▽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) +3% (市場と概ね一致) AI 予想勝率 1.8% (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。 |
| 5 |
ブリリアンブルーム |
▲小林美 |
実30.5 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 5 ◎ 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 3.4% (オッズ暗示: 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。 |
| 6 |
サトノリアファル 推奨 |
横山和 |
実11.8 |
△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 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 10.7% (オッズ暗示: 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。 |
| 7 |
スチョウプリンセス |
松本 |
実31.6 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 3.2% (オッズ暗示: 3.2%) ※ 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。 |
| 8 |
ゴコウコイコイ |
鮫島駿 |
実9.2 |
△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) -1% (オッズ過剰評価) AI 予想勝率 10.7% (オッズ暗示: 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 |
ヘイジュード |
浜中 |
実2.7 |
◎詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×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 20.1% (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。 |
| 10 |
スノーエルヴァ |
◇古川奈 |
実17.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 4.2% (オッズ暗示: 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 |
ジングアップ |
佐々木 |
実13.5 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 4.2% (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。 |
| 12 |
ロッサコメータ |
西村淳 |
実7.4 |
▲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 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 15.9% (オッズ暗示: 13.5%) ※ 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
AIの推奨本命の次点
出走馬全12頭
×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
20.1% (オッズ暗示: 37.0%)
○AIランク評価 (順位学習モデル)
レース内 2位 (上位評価)
△期待値 (オッズ vs AI勝率)
-30% (オッズ過剰評価)
AI 予想勝率
20.1% (オッズ暗示: 28.6%)
△期待値 (オッズ vs AI勝率)
+17% (市場と概ね一致)
AI 予想勝率
15.9% (オッズ暗示: 13.5%)
△期待値 (オッズ vs AI勝率)
-1% (オッズ過剰評価)
AI 予想勝率
10.7% (オッズ暗示: 10.9%)
△期待値 (オッズ vs AI勝率)
+26% (市場と概ね一致)
AI 予想勝率
10.7% (オッズ暗示: 8.5%)
×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
4.2% (オッズ暗示: 7.4%)
△期待値 (オッズ vs AI勝率)
-27% (オッズ過剰評価)
AI 予想勝率
4.2% (オッズ暗示: 5.8%)
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
3.8% (オッズ暗示: 5.0%)
△期待値 (オッズ vs AI勝率)
+3% (市場と概ね一致)
AI 予想勝率
3.4% (オッズ暗示: 3.3%)
△期待値 (オッズ vs AI勝率)
+0% (市場と概ね一致)
AI 予想勝率
3.2% (オッズ暗示: 3.2%)
△期待値 (オッズ vs AI勝率)
+3% (市場と概ね一致)
AI 予想勝率
1.8% (オッズ暗示: 1.7%)
◎期待値 (オッズ vs AI勝率)
+37% (妙味あり)
AI 予想勝率
1.8% (オッズ暗示: 1.3%)
💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
6
サトノリアファル
実11.8倍
期待値 +27%
推奨 10.0〜30.0倍
¥100
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。
