函館 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 |
シルフ |
▲和田陽 |
実30.7 |
B▽ A▽勝率7% EV+119% 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) +119% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 3.3%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 7.1% / 期待値 +119% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ワンダーアスク |
川又 |
実10.0 |
B△ A△勝率7% EV-28% 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) -29% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 10.0%) △Aモデルの評価 (参考) レース内 5位 / 勝率 7.1% / 期待値 -29% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
タガノシルフィー |
浜中 |
実5.8 |
B△ A△勝率7% EV-58% 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) -59% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 17.2%) △Aモデルの評価 (参考) レース内 4位 / 勝率 7.1% / 期待値 -59% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
フレンチブラッサム |
横山和 |
実12.9 |
B▽ A▽勝率7% EV-7% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 7.8%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.1% / 期待値 -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 |
コイバナ |
岩田康 |
実53.2 |
B▽ A▽勝率7% EV+279% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +280% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 1.9%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 7.1% / 期待値 +280% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
マーゴットクリュグ |
松本 |
実14.1 |
B▽ A▽勝率7% EV+0% 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) +0% (市場と概ね一致) AI 予想勝率 7.1% (オッズ暗示: 7.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.1% / 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。 |
| 7 |
サラサチャチャチャ |
丹内 |
実5.2 |
B○ A×勝率7% EV-62% 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) -63% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 19.2%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 7.2% / 期待値 -63% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
メリオルヴィア |
佐々木 |
実11.0 |
B△ A△勝率7% EV-21% 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) -21% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 9.1%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.1% / 期待値 -21% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
チカマヨルキーナ |
☆長浜 |
実138.7 |
B▽ A▽勝率7% EV+889% 詳細▼ |
|
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) +890% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.7%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 7.1% / 期待値 +890% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ジーティービキニ |
北村友 |
実4.1 |
B× A○勝率7% EV-70% 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) -71% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 24.4%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 7.2% / 期待値 -71% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ウォータースパウト |
横山武 |
実5.2 |
B▲ A▲勝率7% EV-62% 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) -63% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 19.2%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 7.1% / 期待値 -63% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ブエノスオプティマ 推奨 |
横山琉 |
実19.6 |
B▽ A▽勝率7% EV+39% 詳細▼ |
|
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) +40% (妙味あり) AI 予想勝率 7.1% (オッズ暗示: 5.1%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 7.1% / 期待値 +40% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
サマースプラッシュ |
◇古川奈 |
実151.2 |
B▽ A▽勝率7% EV+979% 詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +980% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.7%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 7.1% / 期待値 +979% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ベッラモレーン |
△鷲頭 |
実174.7 |
B▽ A▽勝率7% EV+999% 詳細▼ |
|
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.6%) ▽Aモデルの評価 (参考) レース内 14位 / 勝率 7.1% / 期待値 +1147% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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14頭
×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
7.1% (オッズ暗示: 24.4%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 7.2% / 期待値 -71%
×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
7.1% (オッズ暗示: 19.2%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 7.2% / 期待値 -63%
×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
7.1% (オッズ暗示: 19.2%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 7.1% / 期待値 -63%
×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
7.1% (オッズ暗示: 17.2%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 7.1% / 期待値 -59%
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 10.0%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 7.1% / 期待値 -29%
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 9.1%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.1% / 期待値 -21%
△期待値 (オッズ vs AI勝率)
-8% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 7.8%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.1% / 期待値 -8%
△期待値 (オッズ vs AI勝率)
+0% (市場と概ね一致)
AI 予想勝率
7.1% (オッズ暗示: 7.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.1% / 期待値 +1%
◎期待値 (オッズ vs AI勝率)
+40% (妙味あり)
AI 予想勝率
7.1% (オッズ暗示: 5.1%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 7.1% / 期待値 +40%
🌟◎期待値 (オッズ vs AI勝率)
+119% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 3.3%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 7.1% / 期待値 +119%
🌟◎期待値 (オッズ vs AI勝率)
+280% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.9%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 7.1% / 期待値 +280%
🌟◎期待値 (オッズ vs AI勝率)
+890% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.7%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 7.1% / 期待値 +890%
🌟◎期待値 (オッズ vs AI勝率)
+980% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.7%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 7.1% / 期待値 +979%
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.6%)
▽Aモデルの評価 (参考)
レース内 14位 / 勝率 7.1% / 期待値 +1147%
💡 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
12
ブエノスオプティマ
実19.6倍
期待値 +39%
推奨 14.0〜30.0倍
100円
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
12
ブエノスオプティマ
実19.6倍
期待値 +39%
推奨 14.0〜30.0倍
100円
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
シルフ |
▲和田陽 |
実30.7 |
▽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) +119% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
| 2 |
ワンダーアスク |
川又 |
実10.0 |
△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) -29% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 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。 |
| 3 |
タガノシルフィー |
浜中 |
実5.8 |
△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) -59% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 17.2%) ※ 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 |
フレンチブラッサム |
横山和 |
実12.9 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 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 |
コイバナ |
岩田康 |
実53.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +279% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 1.9%) ※ 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 |
マーゴットクリュグ |
松本 |
実14.1 |
▽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) +0% (市場と概ね一致) AI 予想勝率 7.1% (オッズ暗示: 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 |
サラサチャチャチャ |
丹内 |
実5.2 |
×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) -63% (大幅な期待値マイナス) AI 予想勝率 7.2% (オッズ暗示: 19.2%) ※ 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 |
メリオルヴィア |
佐々木 |
実11.0 |
△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) -21% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 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。 |
| 9 |
チカマヨルキーナ |
☆長浜 |
実138.7 |
▽詳細▼ |
|
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) +889% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
| 10 |
ジーティービキニ |
北村友 |
実4.1 |
○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) -71% (大幅な期待値マイナス) AI 予想勝率 7.2% (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。 |
| 11 |
ウォータースパウト |
横山武 |
実5.2 |
▲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) -63% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 19.2%) ※ 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 |
ブエノスオプティマ 推奨 |
横山琉 |
実19.6 |
▽詳細▼ |
|
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) +39% (妙味あり) AI 予想勝率 7.1% (オッズ暗示: 5.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 13 |
サマースプラッシュ |
◇古川奈 |
実151.2 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +979% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
| 14 |
ベッラモレーン |
△鷲頭 |
実174.7 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 14 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +999% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
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14頭
×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
7.2% (オッズ暗示: 19.2%)
×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
7.2% (オッズ暗示: 24.4%)
×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
7.1% (オッズ暗示: 19.2%)
×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
7.1% (オッズ暗示: 17.2%)
△期待値 (オッズ vs AI勝率)
-29% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 10.0%)
△期待値 (オッズ vs AI勝率)
-21% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 9.1%)
△期待値 (オッズ vs AI勝率)
-8% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 7.8%)
△期待値 (オッズ vs AI勝率)
+0% (市場と概ね一致)
AI 予想勝率
7.1% (オッズ暗示: 7.1%)
◎期待値 (オッズ vs AI勝率)
+39% (妙味あり)
AI 予想勝率
7.1% (オッズ暗示: 5.1%)
🌟◎期待値 (オッズ vs AI勝率)
+119% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 3.3%)
🌟◎期待値 (オッズ vs AI勝率)
+279% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.9%)
🌟◎期待値 (オッズ vs AI勝率)
+889% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.7%)
🌟◎期待値 (オッズ vs AI勝率)
+979% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.7%)
🌟◎期待値 (オッズ vs AI勝率)
+999% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.6%)
💡 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
12
ブエノスオプティマ
実19.6倍
期待値 +39%
推奨 14.0〜30.0倍
100円
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
12
ブエノスオプティマ
実19.6倍
期待値 +39%
推奨 14.0〜30.0倍
100円
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。
