函館 12R 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 |
ザカリナン |
斎藤 |
実11.3 |
B▽ A△勝率7% EV-19% 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) -35% (大幅な期待値マイナス) AI 予想勝率 5.7% (オッズ暗示: 8.8%) △Aモデルの評価 (参考) レース内 5位 / 勝率 7.1% / 期待値 -19% ※ 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 |
コモンスナイプ |
横山琉 |
実6.6 |
B× A△勝率7% EV-52% 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) -55% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 15.2%) △Aモデルの評価 (参考) レース内 4位 / 勝率 7.1% / 期待値 -53% ※ 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 |
マグネシアブリック |
北村友 |
実4.9 |
B△ A▲勝率7% EV-64% 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) -67% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 20.4%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 7.1% / 期待値 -65% ※ 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 |
ホウオウヘッセン |
横山武 |
実4.8 |
B△ A○勝率7% EV-65% 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 6.8% (オッズ暗示: 20.8%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 7.1% / 期待値 -66% ※ 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 |
ロードクラシコ |
丹内 |
実3.1 |
B△ A×勝率7% EV-77% 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) -79% (大幅な期待値マイナス) AI 予想勝率 6.8% (オッズ暗示: 32.3%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 7.1% / 期待値 -78% ※ 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 |
ブラヴィーノ |
古川吉 |
実177.9 |
B▽ A▽勝率7% EV+999% 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) +920% (市場が大幅過小評価) AI 予想勝率 5.7% (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 +1171% ※ 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 |
ミスターバッドガイ 推奨 |
▲和田陽 |
実15.4 |
B○ A▽勝率7% EV+9% 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) +45% (妙味あり) AI 予想勝率 9.4% (オッズ暗示: 6.5%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.1% / 期待値 +10% ※ 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 |
ロードヴェルテクス |
鮫島駿 |
実56.1 |
B▽ A▽勝率7% EV+300% 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) +221% (市場が大幅過小評価) AI 予想勝率 5.7% (オッズ暗示: 1.8%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 7.1% / 期待値 +301% ※ 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 |
シャインズオンユー |
岩田康 |
実29.2 |
B▽ A▽勝率7% EV+108% 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) +98% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 3.4%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 7.1% / 期待値 +109% ※ 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 |
マイオウンウェイ |
小沢 |
実130.4 |
B▽ A▽勝率7% EV+831% 詳細▼ |
前5走 07/20 1函館1211R 12着/12頭+1.9秒 |
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) +787% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 7.1% / 期待値 +831% ※ 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 |
フレンドモナコ |
▲遠藤 |
実73.2 |
B▲ A▽勝率7% EV+422% 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) +591% (市場が大幅過小評価) AI 予想勝率 9.4% (オッズ暗示: 1.4%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 7.1% / 期待値 +423% ※ 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 |
ソードマスター |
☆舟山 |
実11.9 |
B◎ A△勝率7% EV-15% 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) +12% (市場と概ね一致) AI 予想勝率 9.4% (オッズ暗示: 8.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.1% / 期待値 -15% ※ 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 |
アヤサンジョリーン |
落合玄 |
実68.2 |
B▽ A▽勝率7% EV+387% 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) +364% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 1.5%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 7.1% / 期待値 +387% ※ 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 |
ルクスアドラー |
☆長浜 |
実26.2 |
B▽ A▽勝率7% EV+87% 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) +78% (市場が大幅過小評価) AI 予想勝率 6.8% (オッズ暗示: 3.8%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.1% / 期待値 +87% ※ 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)
+12% (市場と概ね一致)
AI 予想勝率
9.4% (オッズ暗示: 8.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.1% / 期待値 -15%
◎期待値 (オッズ vs AI勝率)
+45% (妙味あり)
AI 予想勝率
9.4% (オッズ暗示: 6.5%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.1% / 期待値 +10%
🌟◎期待値 (オッズ vs AI勝率)
+591% (市場が大幅過小評価)
AI 予想勝率
9.4% (オッズ暗示: 1.4%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 7.1% / 期待値 +423%
×期待値 (オッズ vs AI勝率)
-79% (大幅な期待値マイナス)
AI 予想勝率
6.8% (オッズ暗示: 32.3%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 7.1% / 期待値 -78%
×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
6.8% (オッズ暗示: 20.8%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 7.1% / 期待値 -66%
×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
6.8% (オッズ暗示: 20.4%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 7.1% / 期待値 -65%
×期待値 (オッズ vs AI勝率)
-55% (大幅な期待値マイナス)
AI 予想勝率
6.8% (オッズ暗示: 15.2%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 7.1% / 期待値 -53%
🌟◎期待値 (オッズ vs AI勝率)
+78% (市場が大幅過小評価)
AI 予想勝率
6.8% (オッズ暗示: 3.8%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.1% / 期待値 +87%
🌟◎期待値 (オッズ vs AI勝率)
+98% (市場が大幅過小評価)
AI 予想勝率
6.8% (オッズ暗示: 3.4%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 7.1% / 期待値 +109%
🌟◎期待値 (オッズ vs AI勝率)
+364% (市場が大幅過小評価)
AI 予想勝率
6.8% (オッズ暗示: 1.5%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 7.1% / 期待値 +387%
🌟◎期待値 (オッズ vs AI勝率)
+787% (市場が大幅過小評価)
AI 予想勝率
6.8% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 7.1% / 期待値 +831%
×期待値 (オッズ vs AI勝率)
-35% (大幅な期待値マイナス)
AI 予想勝率
5.7% (オッズ暗示: 8.8%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 7.1% / 期待値 -19%
🌟◎期待値 (オッズ vs AI勝率)
+221% (市場が大幅過小評価)
AI 予想勝率
5.7% (オッズ暗示: 1.8%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 7.1% / 期待値 +301%
🌟◎期待値 (オッズ vs AI勝率)
+920% (市場が大幅過小評価)
AI 予想勝率
5.7% (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 +1171%
💡 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)
このモデルは本レース見送り判定（期待値プラスなし）
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
7
ミスターバッドガイ
実15.4倍
期待値 +45%
推奨 10.6〜30.0倍
200円
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ザカリナン |
斎藤 |
実11.3 |
△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) -19% (オッズ過剰評価) AI 予想勝率 7.1% (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。 |
| 2 |
コモンスナイプ |
横山琉 |
実6.6 |
△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) -53% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 15.2%) ※ 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。 |
| 3 |
マグネシアブリック |
北村友 |
実4.9 |
▲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) -65% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 20.4%) ※ 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。 |
| 4 |
ホウオウヘッセン |
横山武 |
実4.8 |
○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) -66% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 20.8%) ※ 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 |
ロードクラシコ |
丹内 |
実3.1 |
×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) -78% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 32.3%) ※ 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 |
ブラヴィーノ |
古川吉 |
実177.9 |
▽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) +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。 |
| 7 |
ミスターバッドガイ 推奨 |
▲和田陽 |
実15.4 |
▽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) +9% (市場と概ね一致) AI 予想勝率 7.1% (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。 |
| 8 |
ロードヴェルテクス |
鮫島駿 |
実56.1 |
▽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) +300% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
| 9 |
シャインズオンユー |
岩田康 |
実29.2 |
▽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) +108% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 3.4%) ※ 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。 |
| 10 |
マイオウンウェイ |
小沢 |
実130.4 |
▽詳細▼ |
前5走 07/20 1函館1211R 12着/12頭+1.9秒 |
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) +831% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 0.8%) ※ 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 |
フレンドモナコ |
▲遠藤 |
実73.2 |
▽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) +422% (市場が大幅過小評価) AI 予想勝率 7.1% (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。 |
| 12 |
ソードマスター |
☆舟山 |
実11.9 |
△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) -15% (オッズ過剰評価) AI 予想勝率 7.1% (オッズ暗示: 8.4%) ※ 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。 |
| 13 |
アヤサンジョリーン |
落合玄 |
実68.2 |
▽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) +387% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 1.5%) ※ 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。 |
| 14 |
ルクスアドラー |
☆長浜 |
実26.2 |
▽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) +87% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 3.8%) ※ 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。 |
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)
-78% (大幅な期待値マイナス)
AI 予想勝率
7.1% (オッズ暗示: 32.3%)
×期待値 (オッズ vs AI勝率)
-66% (大幅な期待値マイナス)
AI 予想勝率
7.1% (オッズ暗示: 20.8%)
×期待値 (オッズ vs AI勝率)
-65% (大幅な期待値マイナス)
AI 予想勝率
7.1% (オッズ暗示: 20.4%)
×期待値 (オッズ vs AI勝率)
-53% (大幅な期待値マイナス)
AI 予想勝率
7.1% (オッズ暗示: 15.2%)
△期待値 (オッズ vs AI勝率)
-19% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 8.8%)
△期待値 (オッズ vs AI勝率)
-15% (オッズ過剰評価)
AI 予想勝率
7.1% (オッズ暗示: 8.4%)
△期待値 (オッズ vs AI勝率)
+9% (市場と概ね一致)
AI 予想勝率
7.1% (オッズ暗示: 6.5%)
🌟◎期待値 (オッズ vs AI勝率)
+87% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 3.8%)
🌟◎期待値 (オッズ vs AI勝率)
+108% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 3.4%)
🌟◎期待値 (オッズ vs AI勝率)
+300% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.8%)
🌟◎期待値 (オッズ vs AI勝率)
+387% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.5%)
🌟◎期待値 (オッズ vs AI勝率)
+422% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 1.4%)
🌟◎期待値 (オッズ vs AI勝率)
+831% (市場が大幅過小評価)
AI 予想勝率
7.1% (オッズ暗示: 0.8%)
🌟◎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)
このモデルは本レース見送り判定（期待値プラスなし）
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
7
ミスターバッドガイ
実15.4倍
期待値 +45%
推奨 10.6〜30.0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。
