函館 3R 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 |
ジャストグレース |
古川吉 |
実20.1 |
B▽ A▽勝率8% EV+61% 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) +46% (妙味あり) AI 予想勝率 7.3% (オッズ暗示: 5.0%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 8.0% / 期待値 +61% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ザンテソーロ |
横山武 |
実6.1 |
B× A▲勝率9% EV-46% 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) -56% (大幅な期待値マイナス) AI 予想勝率 7.3% (オッズ暗示: 16.4%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 8.8% / 期待値 -47% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
マーゴットデウス |
小沢 |
実30.1 |
B▽ A▽勝率8% EV+141% 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) +119% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 3.3%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 8.0% / 期待値 +142% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ウインガネーシャ |
丹内 |
実3.8 |
B× A○勝率9% EV-66% 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) -72% (大幅な期待値マイナス) AI 予想勝率 7.3% (オッズ暗示: 26.3%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 8.8% / 期待値 -67% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ハイランダー |
吉田隼 |
実9.4 |
B◎ A▽勝率8% EV-24% 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) -4% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 10.6%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 8.0% / 期待値 -25% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
リベンジャー |
斎藤 |
実17.5 |
B△ A▽勝率8% EV+40% 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) +56% (市場が大幅過小評価) AI 予想勝率 9.0% (オッズ暗示: 5.7%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 8.0% / 期待値 +41% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エトワールブルー |
▲遠藤 |
実79.7 |
B△ A▽勝率8% EV+539% 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) +614% (市場が大幅過小評価) AI 予想勝率 9.0% (オッズ暗示: 1.3%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 8.0% / 期待値 +540% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
リバーソニック |
☆舟山 |
実5.5 |
B▲ A△勝率8% EV-55% 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) -51% (大幅な期待値マイナス) AI 予想勝率 9.0% (オッズ暗示: 18.2%) △Aモデルの評価 (参考) レース内 6位 / 勝率 8.0% / 期待値 -56% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
フェンリル |
岩田康 |
実32.5 |
B△ A△勝率9% EV+184% 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) +191% (市場が大幅過小評価) AI 予想勝率 9.0% (オッズ暗示: 3.1%) △Aモデルの評価 (参考) レース内 5位 / 勝率 8.8% / 期待値 +185% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ゴールデンボブ 推奨 |
浜中 |
実15.4 |
B○ A△勝率9% EV+34% 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) +57% (市場が大幅過小評価) AI 予想勝率 10.2% (オッズ暗示: 6.5%) △Aモデルの評価 (参考) レース内 4位 / 勝率 8.8% / 期待値 +35% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
ポップアップ |
佐々木 |
実3.6 |
B× A×勝率9% EV-68% 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) -74% (大幅な期待値マイナス) AI 予想勝率 7.3% (オッズ暗示: 27.8%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 8.8% / 期待値 -68% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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 |
エースオブゴールド |
横山琉 |
実39.4 |
B▽ A▽勝率8% EV+216% 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) +186% (市場が大幅過小評価) AI 予想勝率 7.3% (オッズ暗示: 2.5%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 8.0% / 期待値 +216% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「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)
-4% (オッズ過剰評価)
AI 予想勝率
10.2% (オッズ暗示: 10.6%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 8.0% / 期待値 -25%
🌟◎期待値 (オッズ vs AI勝率)
+57% (市場が大幅過小評価)
AI 予想勝率
10.2% (オッズ暗示: 6.5%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 8.8% / 期待値 +35%
×期待値 (オッズ vs AI勝率)
-51% (大幅な期待値マイナス)
AI 予想勝率
9.0% (オッズ暗示: 18.2%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 8.0% / 期待値 -56%
🌟◎期待値 (オッズ vs AI勝率)
+56% (市場が大幅過小評価)
AI 予想勝率
9.0% (オッズ暗示: 5.7%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 8.0% / 期待値 +41%
🌟◎期待値 (オッズ vs AI勝率)
+191% (市場が大幅過小評価)
AI 予想勝率
9.0% (オッズ暗示: 3.1%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 8.8% / 期待値 +185%
🌟◎期待値 (オッズ vs AI勝率)
+614% (市場が大幅過小評価)
AI 予想勝率
9.0% (オッズ暗示: 1.3%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 8.0% / 期待値 +540%
×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
7.3% (オッズ暗示: 27.8%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 8.8% / 期待値 -68%
×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
7.3% (オッズ暗示: 26.3%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 8.8% / 期待値 -67%
×期待値 (オッズ vs AI勝率)
-56% (大幅な期待値マイナス)
AI 予想勝率
7.3% (オッズ暗示: 16.4%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 8.8% / 期待値 -47%
◎期待値 (オッズ vs AI勝率)
+46% (妙味あり)
AI 予想勝率
7.3% (オッズ暗示: 5.0%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 8.0% / 期待値 +61%
🌟◎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
7.3% (オッズ暗示: 3.3%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 8.0% / 期待値 +142%
🌟◎期待値 (オッズ vs AI勝率)
+186% (市場が大幅過小評価)
AI 予想勝率
7.3% (オッズ暗示: 2.5%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 8.0% / 期待値 +216%
💡 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
ゴールデンボブ
実15.4倍
期待値 +34%
推奨 11.4〜30.0倍
100円
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
10
ゴールデンボブ
実15.4倍
期待値 +57%
推奨 9.8〜30.0倍
200円
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ジャストグレース |
古川吉 |
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) +61% (市場が大幅過小評価) AI 予想勝率 8.0% (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 |
ザンテソーロ |
横山武 |
実6.1 |
▲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) -47% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 16.4%) ※ 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 |
マーゴットデウス |
小沢 |
実30.1 |
▽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) +141% (市場が大幅過小評価) AI 予想勝率 8.0% (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。 |
| 4 |
ウインガネーシャ |
丹内 |
実3.8 |
○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) -67% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 26.3%) ※ 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 |
ハイランダー |
吉田隼 |
実9.4 |
▽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) -25% (オッズ過剰評価) AI 予想勝率 8.0% (オッズ暗示: 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。 |
| 6 |
リベンジャー |
斎藤 |
実17.5 |
▽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) +40% (妙味あり) AI 予想勝率 8.0% (オッズ暗示: 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。 |
| 7 |
エトワールブルー |
▲遠藤 |
実79.7 |
▽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 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +539% (市場が大幅過小評価) AI 予想勝率 8.0% (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。 |
| 8 |
リバーソニック |
☆舟山 |
実5.5 |
△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) -56% (大幅な期待値マイナス) AI 予想勝率 8.0% (オッズ暗示: 18.2%) ※ 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 |
フェンリル |
岩田康 |
実32.5 |
△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 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +184% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 3.1%) ※ 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。 |
| 10 |
ゴールデンボブ 推奨 |
浜中 |
実15.4 |
△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) +34% (妙味あり) AI 予想勝率 8.8% (オッズ暗示: 6.5%) ※ 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。 |
| 11 |
ポップアップ |
佐々木 |
実3.6 |
×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) -68% (大幅な期待値マイナス) AI 予想勝率 8.8% (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 |
エースオブゴールド |
横山琉 |
実39.4 |
▽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) +216% (市場が大幅過小評価) AI 予想勝率 8.0% (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。 |
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)
-68% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 27.8%)
×期待値 (オッズ vs AI勝率)
-67% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 26.3%)
×期待値 (オッズ vs AI勝率)
-47% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 16.4%)
◎期待値 (オッズ vs AI勝率)
+34% (妙味あり)
AI 予想勝率
8.8% (オッズ暗示: 6.5%)
🌟◎期待値 (オッズ vs AI勝率)
+184% (市場が大幅過小評価)
AI 予想勝率
8.8% (オッズ暗示: 3.1%)
×期待値 (オッズ vs AI勝率)
-56% (大幅な期待値マイナス)
AI 予想勝率
8.0% (オッズ暗示: 18.2%)
△期待値 (オッズ vs AI勝率)
-25% (オッズ過剰評価)
AI 予想勝率
8.0% (オッズ暗示: 10.6%)
◎期待値 (オッズ vs AI勝率)
+40% (妙味あり)
AI 予想勝率
8.0% (オッズ暗示: 5.7%)
🌟◎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
8.0% (オッズ暗示: 5.0%)
🌟◎期待値 (オッズ vs AI勝率)
+141% (市場が大幅過小評価)
AI 予想勝率
8.0% (オッズ暗示: 3.3%)
🌟◎期待値 (オッズ vs AI勝率)
+216% (市場が大幅過小評価)
AI 予想勝率
8.0% (オッズ暗示: 2.5%)
🌟◎期待値 (オッズ vs AI勝率)
+539% (市場が大幅過小評価)
AI 予想勝率
8.0% (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
10
ゴールデンボブ
実15.4倍
期待値 +34%
推奨 11.4〜30.0倍
100円
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
10
ゴールデンボブ
実15.4倍
期待値 +57%
推奨 9.8〜30.0倍
200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。
