新潟 1R 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 |
ドルチェテソーロ |
木幡巧 |
実12.8 |
B△ A△勝率9% EV+9% 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) -4% (オッズ過剰評価) AI 予想勝率 7.5% (オッズ暗示: 7.8%) △Aモデルの評価 (参考) レース内 4位 / 勝率 8.6% / 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。 |
| 2 |
ハルガスミ |
松岡 |
実142.8 |
B▽ A▽勝率1% EV+104% 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) -18% (オッズ過剰評価) AI 予想勝率 0.6% (オッズ暗示: 0.7%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 1.4% / 期待値 +105% ※ 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 |
マルガリート |
杉原 |
実201.2 |
B▽ A▽勝率1% EV+188% 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) +15% (市場と概ね一致) AI 予想勝率 0.6% (オッズ暗示: 0.5%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 1.4% / 期待値 +188% ※ 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 |
ブラックミューズ |
岩田望 |
実2.8 |
B○ A○勝率26% EV-27% 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) -24% (オッズ過剰評価) AI 予想勝率 27.1% (オッズ暗示: 35.7%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 25.9% / 期待値 -28% ※ 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 |
アテナブレイブ |
横山典 |
実10.1 |
B▲ A▲勝率14% EV+36% 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) -12% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 9.9%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 13.5% / 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。 |
| 6 |
ワレモコウ |
西塚 |
実16.6 |
B△ A△勝率6% EV+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) -10% (オッズ過剰評価) AI 予想勝率 5.4% (オッズ暗示: 6.0%) △Aモデルの評価 (参考) レース内 5位 / 勝率 6.4% / 期待値 +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 |
リリカルフレア |
戸崎圭 |
実2.0 |
B🌟◎ A◎勝率26% EV-48% 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) -27% (オッズ過剰評価) AI 予想勝率 36.7% (オッズ暗示: 50.0%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 25.9% / 期待値 -48% ※ 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 |
タガノカハンカ |
菊沢 |
実16.2 |
B△ A▽勝率6% EV-4% 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) -16% (オッズ過剰評価) AI 予想勝率 5.2% (オッズ暗示: 6.2%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 5.9% / 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。 |
| 9 |
ヴェールネージュ |
▲上里 |
実109.2 |
B▽ A▽勝率1% EV+56% 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) -38% (大幅な期待値マイナス) AI 予想勝率 0.6% (オッズ暗示: 0.9%) ▽Aモデルの評価 (参考) レース内 9位 / 勝率 1.4% / 期待値 +57% ※ 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 |
パストザクラウン |
◇今村 |
実39.3 |
B▽ A▽勝率3% EV+22% 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 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 2.5%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 3.1% / 期待値 +22% ※ 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 |
マーズワース |
大野 |
実18.6 |
B▽ A△勝率6% EV+19% 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) -4% (オッズ過剰評価) AI 予想勝率 5.2% (オッズ暗示: 5.4%) △Aモデルの評価 (参考) レース内 6位 / 勝率 6.4% / 期待値 +20% ※ 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11頭
△期待値 (オッズ vs AI勝率)
-27% (オッズ過剰評価)
AI 予想勝率
36.7% (オッズ暗示: 50.0%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 25.9% / 期待値 -48%
△期待値 (オッズ vs AI勝率)
-24% (オッズ過剰評価)
AI 予想勝率
27.1% (オッズ暗示: 35.7%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 25.9% / 期待値 -28%
△期待値 (オッズ vs AI勝率)
-12% (オッズ過剰評価)
AI 予想勝率
8.8% (オッズ暗示: 9.9%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 13.5% / 期待値 +37%
△期待値 (オッズ vs AI勝率)
-4% (オッズ過剰評価)
AI 予想勝率
7.5% (オッズ暗示: 7.8%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 8.6% / 期待値 +10%
△期待値 (オッズ vs AI勝率)
-10% (オッズ過剰評価)
AI 予想勝率
5.4% (オッズ暗示: 6.0%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 6.4% / 期待値 +7%
△期待値 (オッズ vs AI勝率)
-16% (オッズ過剰評価)
AI 予想勝率
5.2% (オッズ暗示: 6.2%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 5.9% / 期待値 -4%
△期待値 (オッズ vs AI勝率)
-4% (オッズ過剰評価)
AI 予想勝率
5.2% (オッズ暗示: 5.4%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 6.4% / 期待値 +20%
△期待値 (オッズ vs AI勝率)
-3% (オッズ過剰評価)
AI 予想勝率
2.5% (オッズ暗示: 2.5%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 3.1% / 期待値 +22%
×期待値 (オッズ vs AI勝率)
-38% (大幅な期待値マイナス)
AI 予想勝率
0.6% (オッズ暗示: 0.9%)
▽Aモデルの評価 (参考)
レース内 9位 / 勝率 1.4% / 期待値 +57%
△期待値 (オッズ vs AI勝率)
-18% (オッズ過剰評価)
AI 予想勝率
0.6% (オッズ暗示: 0.7%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 1.4% / 期待値 +105%
△期待値 (オッズ vs AI勝率)
+15% (市場と概ね一致)
AI 予想勝率
0.6% (オッズ暗示: 0.5%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 1.4% / 期待値 +188%
💡 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
両モデルとも本レースは見送り判定（期待値プラスなし）
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
ドルチェテソーロ |
木幡巧 |
実12.8 |
△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) +9% (市場と概ね一致) AI 予想勝率 8.6% (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。 |
| 2 |
ハルガスミ |
松岡 |
実142.8 |
▽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) +104% (市場が大幅過小評価) AI 予想勝率 1.4% (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。 |
| 3 |
マルガリート |
杉原 |
実201.2 |
▽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) +188% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.5%) ※ 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。 |
| 4 |
ブラックミューズ |
岩田望 |
実2.8 |
○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 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 25.9% (オッズ暗示: 35.7%) ※ 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 |
アテナブレイブ |
横山典 |
実10.1 |
▲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 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ◎期待値 (オッズ vs AI勝率) +36% (妙味あり) AI 予想勝率 13.5% (オッズ暗示: 9.9%) ※ 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 |
ワレモコウ |
西塚 |
実16.6 |
△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) +6% (市場と概ね一致) AI 予想勝率 6.4% (オッズ暗示: 6.0%) ※ 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。 |
| 7 |
リリカルフレア |
戸崎圭 |
実2.0 |
◎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) -48% (大幅な期待値マイナス) AI 予想勝率 25.9% (オッズ暗示: 50.0%) ※ 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。 |
| 8 |
タガノカハンカ |
菊沢 |
実16.2 |
▽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) -4% (オッズ過剰評価) AI 予想勝率 5.9% (オッズ暗示: 6.2%) ※ 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 |
ヴェールネージュ |
▲上里 |
実109.2 |
▽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) +56% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.9%) ※ 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。 |
| 10 |
パストザクラウン |
◇今村 |
実39.3 |
▽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 10 ◎ 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 3.1% (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。 |
| 11 |
マーズワース |
大野 |
実18.6 |
△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) +19% (市場と概ね一致) AI 予想勝率 6.4% (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。 |
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11頭
×期待値 (オッズ vs AI勝率)
-48% (大幅な期待値マイナス)
AI 予想勝率
25.9% (オッズ暗示: 50.0%)
△期待値 (オッズ vs AI勝率)
-28% (オッズ過剰評価)
AI 予想勝率
25.9% (オッズ暗示: 35.7%)
◎期待値 (オッズ vs AI勝率)
+36% (妙味あり)
AI 予想勝率
13.5% (オッズ暗示: 9.9%)
△期待値 (オッズ vs AI勝率)
+9% (市場と概ね一致)
AI 予想勝率
8.6% (オッズ暗示: 7.8%)
△期待値 (オッズ vs AI勝率)
+6% (市場と概ね一致)
AI 予想勝率
6.4% (オッズ暗示: 6.0%)
△期待値 (オッズ vs AI勝率)
+19% (市場と概ね一致)
AI 予想勝率
6.4% (オッズ暗示: 5.4%)
△期待値 (オッズ vs AI勝率)
-4% (オッズ過剰評価)
AI 予想勝率
5.9% (オッズ暗示: 6.2%)
△期待値 (オッズ vs AI勝率)
+22% (市場と概ね一致)
AI 予想勝率
3.1% (オッズ暗示: 2.5%)
🌟◎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
1.4% (オッズ暗示: 0.9%)
🌟◎期待値 (オッズ vs AI勝率)
+104% (市場が大幅過小評価)
AI 予想勝率
1.4% (オッズ暗示: 0.7%)
🌟◎期待値 (オッズ vs AI勝率)
+188% (市場が大幅過小評価)
AI 予想勝率
1.4% (オッズ暗示: 0.5%)
💡 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
両モデルとも本レースは見送り判定（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。
