福島 10R 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 |
ジェットブレード 推奨 |
菊沢 |
実18.4 |
B▽ A△勝率8% EV+48% 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) +32% (妙味あり) AI 予想勝率 7.2% (オッズ暗示: 5.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 8.1% / 期待値 +49% ※ 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 |
ゴーソーファー |
嶋田 |
実68.5 |
B◎ A▽勝率8% EV+454% 詳細▼ |
前5走 05/25 2東京1011R 18着/18頭+5.4秒 |
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) +591% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 1.5%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 8.1% / 期待値 +454% ※ 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 |
ビッグデイメイク |
柴田大 |
実225.3 |
B▽ A▽勝率8% EV+999% 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) +999% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 0.4%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 8.1% / 期待値 +1722% ※ 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 |
アロンズロッド |
戸崎圭 |
実2.3 |
B○ A×勝率9% EV-79% 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) -80% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 43.5%) ×Aモデルの評価 (参考) レース内 1位 / 勝率 8.8% / 期待値 -80% ※ 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 |
バセリーナ |
野中 |
実59.4 |
B△ A▽勝率8% EV+380% 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) +425% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 1.7%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 8.1% / 期待値 +380% ※ 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 |
コスモイシュタル |
松岡 |
実4.6 |
B△ A△勝率8% EV-62% 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) -59% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 21.7%) △Aモデルの評価 (参考) レース内 5位 / 勝率 8.1% / 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。 |
| 7 |
ルールーリマ |
荻野極 |
実4.3 |
B▲ A○勝率9% 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) -62% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 23.3%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 8.8% / 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 |
レッセパッセ |
原 |
実32.3 |
B▽ A▽勝率8% EV+161% 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) +106% (市場が大幅過小評価) AI 予想勝率 6.4% (オッズ暗示: 3.1%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 8.1% / 期待値 +161% ※ 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 |
ヤマニンガラッシア 推奨 |
木幡巧 |
実19.8 |
B▽ A▽勝率8% EV+60% 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) +42% (妙味あり) AI 予想勝率 7.2% (オッズ暗示: 5.1%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 8.1% / 期待値 +60% ※ 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 |
クラヴァンス |
坂井 |
実5.8 |
B△ A▲勝率9% EV-48% 詳細▼ |
前5走 02/28 1小倉1111R 14着/15頭+1.6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) -49% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 17.2%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 8.8% / 期待値 -49% ※ 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 |
ヨシヒロ |
木幡育 |
実122.8 |
B▽ A▽勝率8% EV+893% 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) +986% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 8.1% / 期待値 +893% ※ 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 |
バードウォッチャー |
津村 |
実28.2 |
B▽ A△勝率9% EV+148% 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) +102% (市場が大幅過小評価) AI 予想勝率 7.2% (オッズ暗示: 3.5%) △Aモデルの評価 (参考) レース内 4位 / 勝率 8.8% / 期待値 +149% ※ 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)
+591% (市場が大幅過小評価)
AI 予想勝率
10.1% (オッズ暗示: 1.5%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 8.1% / 期待値 +454%
×期待値 (オッズ vs AI勝率)
-80% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 43.5%)
×Aモデルの評価 (参考)
レース内 1位 / 勝率 8.8% / 期待値 -80%
×期待値 (オッズ vs AI勝率)
-62% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 23.3%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 8.8% / 期待値 -62%
×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
8.8% (オッズ暗示: 21.7%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 8.1% / 期待値 -63%
×期待値 (オッズ vs AI勝率)
-49% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 17.2%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 8.8% / 期待値 -49%
🌟◎期待値 (オッズ vs AI勝率)
+425% (市場が大幅過小評価)
AI 予想勝率
8.8% (オッズ暗示: 1.7%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 8.1% / 期待値 +380%
🌟◎期待値 (オッズ vs AI勝率)
+986% (市場が大幅過小評価)
AI 予想勝率
8.8% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 8.1% / 期待値 +893%
🌟◎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
8.8% (オッズ暗示: 0.4%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 8.1% / 期待値 +1722%
◎期待値 (オッズ vs AI勝率)
+32% (妙味あり)
AI 予想勝率
7.2% (オッズ暗示: 5.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 8.1% / 期待値 +49%
◎期待値 (オッズ vs AI勝率)
+42% (妙味あり)
AI 予想勝率
7.2% (オッズ暗示: 5.1%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 8.1% / 期待値 +60%
🌟◎期待値 (オッズ vs AI勝率)
+102% (市場が大幅過小評価)
AI 予想勝率
7.2% (オッズ暗示: 3.5%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 8.8% / 期待値 +149%
🌟◎期待値 (オッズ vs AI勝率)
+106% (市場が大幅過小評価)
AI 予想勝率
6.4% (オッズ暗示: 3.1%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 8.1% / 期待値 +161%
💡 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
9
ヤマニンガラッシア
実19.8倍
期待値 +60%
推奨 12.4〜30.0倍
200円
-
単勝
1
ジェットブレード
実18.4倍
期待値 +48%
推奨 12.4〜30.0倍
100円
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 |
ジェットブレード 推奨 |
菊沢 |
実18.4 |
△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) +48% (妙味あり) AI 予想勝率 8.1% (オッズ暗示: 5.4%) ※ 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。 |
| 2 |
ゴーソーファー |
嶋田 |
実68.5 |
▽詳細▼ |
前5走 05/25 2東京1011R 18着/18頭+5.4秒 |
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) +454% (市場が大幅過小評価) AI 予想勝率 8.1% (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。 |
| 3 |
ビッグデイメイク |
柴田大 |
実225.3 |
▽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) +999% (市場が大幅過小評価) AI 予想勝率 8.1% (オッズ暗示: 0.4%) ※ 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 |
アロンズロッド |
戸崎圭 |
実2.3 |
×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) -80% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 43.5%) ※ 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。 |
| 5 |
バセリーナ |
野中 |
実59.4 |
▽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) +380% (市場が大幅過小評価) AI 予想勝率 8.1% (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。 |
| 6 |
コスモイシュタル |
松岡 |
実4.6 |
△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) -63% (大幅な期待値マイナス) AI 予想勝率 8.1% (オッズ暗示: 21.7%) ※ 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 |
ルールーリマ |
荻野極 |
実4.3 |
○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) -62% (大幅な期待値マイナス) AI 予想勝率 8.8% (オッズ暗示: 23.3%) ※ 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 |
レッセパッセ |
原 |
実32.3 |
▽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) +161% (市場が大幅過小評価) AI 予想勝率 8.1% (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。 |
| 9 |
ヤマニンガラッシア 推奨 |
木幡巧 |
実19.8 |
▽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) +60% (市場が大幅過小評価) AI 予想勝率 8.1% (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。 |
| 10 |
クラヴァンス |
坂井 |
実5.8 |
▲詳細▼ |
前5走 02/28 1小倉1111R 14着/15頭+1.6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) -49% (大幅な期待値マイナス) AI 予想勝率 8.8% (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。 |
| 11 |
ヨシヒロ |
木幡育 |
実122.8 |
▽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) +893% (市場が大幅過小評価) AI 予想勝率 8.1% (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。 |
| 12 |
バードウォッチャー |
津村 |
実28.2 |
△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) +148% (市場が大幅過小評価) AI 予想勝率 8.8% (オッズ暗示: 3.5%) ※ 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)
-80% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 43.5%)
×期待値 (オッズ vs AI勝率)
-62% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 23.3%)
×期待値 (オッズ vs AI勝率)
-49% (大幅な期待値マイナス)
AI 予想勝率
8.8% (オッズ暗示: 17.2%)
🌟◎期待値 (オッズ vs AI勝率)
+148% (市場が大幅過小評価)
AI 予想勝率
8.8% (オッズ暗示: 3.5%)
×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
8.1% (オッズ暗示: 21.7%)
◎期待値 (オッズ vs AI勝率)
+48% (妙味あり)
AI 予想勝率
8.1% (オッズ暗示: 5.4%)
🌟◎期待値 (オッズ vs AI勝率)
+60% (市場が大幅過小評価)
AI 予想勝率
8.1% (オッズ暗示: 5.1%)
🌟◎期待値 (オッズ vs AI勝率)
+161% (市場が大幅過小評価)
AI 予想勝率
8.1% (オッズ暗示: 3.1%)
🌟◎期待値 (オッズ vs AI勝率)
+380% (市場が大幅過小評価)
AI 予想勝率
8.1% (オッズ暗示: 1.7%)
🌟◎期待値 (オッズ vs AI勝率)
+454% (市場が大幅過小評価)
AI 予想勝率
8.1% (オッズ暗示: 1.5%)
🌟◎期待値 (オッズ vs AI勝率)
+893% (市場が大幅過小評価)
AI 予想勝率
8.1% (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
8.1% (オッズ暗示: 0.4%)
💡 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
9
ヤマニンガラッシア
実19.8倍
期待値 +60%
推奨 12.4〜30.0倍
200円
-
単勝
1
ジェットブレード
実18.4倍
期待値 +48%
推奨 12.4〜30.0倍
100円
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。
