Stride AI - 南関東競馬AI予想 2026-06-05

📢 お知らせ

2026-06-05

新機能Threads はじめましたNEW

日々の予想更新やイチオシ馬を Threads でも配信します。フォローして最新情報を受け取ってください。

Threads をフォロー →

本日の全レース予想

船橋

名古屋

園田

🏇本日の開催競馬場を選んでください

1R 船橋競馬場ダート1200m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フォロミーアロング	西啓太（大井）	実32.3	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/08 船橋1R 5着/7頭+2.4秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 3.2% (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。
2	ジーティーバレンチ	山中悠（船橋）	実8.0	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/08 船橋1R 4着/7頭+1.6秒 ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.0着 ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 16.6% (オッズ暗示: 12.5%) ※ 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	ビシバシ	仲野光（船橋）	実15.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 7.7% (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。
4	アークローズ	沖響主（船橋）	実114.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/08 船橋2R 7着/9頭+1.8秒 04/03 船橋1R 7着/9頭+1.6秒 03/13 船橋1R 5着/8頭+2.4秒 02/13 船橋1R 8着/8頭+2.8秒 ―
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
5	エンジェルギフト	山本大（船橋）	実112.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/08 船橋1R 7着/7頭+3.1秒 12/12 船橋1R 7着/7頭+5.3秒 ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 1.2% (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。
6	ダイレンジャー	野畑凌（川崎）	実10.0	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ○ 騎手近50戦勝率 18% ◎ 期待値 (オッズ vs AI勝率) +48% (妙味あり) AI 予想勝率 14.8% (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。
7	ミノシャルム	菅原吏（船橋）	実156.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均8.0着と低調／63日ぶりの実戦）
前5走 04/03 船橋1R 9着/9頭+4.2秒 11/07 船橋1R 8着/12頭+3.3秒 10/02 船橋2R 7着/8頭+4.9秒 ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 5% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 1.0% (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。
8	カウィバウィボ	川島正（船橋）	実1.2	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 × 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 37.3% (オッズ暗示: 83.3%) ※ 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。
9	ブライティアメール	岡村健（船橋）	実12.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／133日ぶりの実戦）
前5走 01/23 船橋1R 4着/7頭+1.1秒 12/11 船橋2R 9着/12頭+2.8秒 11/07 船橋2R 6着/12頭+1.7秒 10/03 船橋2R 8着/10頭+2.7秒 ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 133日休養明け △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 8.3%) ※ 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。
10	ハクアイゴブレイ	西村栄（船橋）	実79.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調／84日ぶりの実戦）
前5走 03/13 船橋1R 8着/8頭+6.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.0着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +144% (市場が大幅過小評価) AI 予想勝率 3.1% (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。
11	ナダルリリー	古岡勇（川崎）	実23.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 🌟◎ 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 6.6% (オッズ暗示: 4.2%) ※ 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。

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

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 11 ナダルリリー実23.7倍期待値 +147% 推奨 12.4〜30.0倍 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

2R 船橋競馬場ダート1000m　発走 15:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブリダイコーン	山本大（船橋）	実5.7	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 18.8% (オッズ暗示: 17.5%) ※ 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。
2	ウィズラブ	川島正（船橋）	実5.6	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 19.9% (オッズ暗示: 17.9%) ※ 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。
3	クシナダヒメ	野澤憲（船橋）	実39.8	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +79% (市場が大幅過小評価) AI 予想勝率 4.5% (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。
4	ケイズブレイヴ	山中悠（船橋）	実6.7	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 12.2% (オッズ暗示: 14.9%) ※ 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。
5	チュラブロッサム	篠谷葵（船橋）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 39.6% (オッズ暗示: 62.5%) ※ 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。
6	ズットオレノターン	中山遥（浦和）	実9.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 5.0% (オッズ暗示: 10.9%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 2 ウィズラブ確定4.5倍期待値 +85% 推奨 5.0〜8.0倍 400円 🎯的中1着1,800円
馬連 2-4 実8.2倍期待値 +58% 200円 ❌不的中2番(1着)-4番(6着)

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 船橋競馬場ダート1500m　発走 15:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マオノスカイ	小杉亮（船橋）	実64.6	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +163% (市場が大幅過小評価) AI 予想勝率 4.1% (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。
2	ラパティシエール	笹川翼（大井）	実1.4	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率38%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 騎手近50戦勝率 38% (好調) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 42.2% (オッズ暗示: 71.4%) ※ 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	フライザフラッグ	山中悠（船橋）	実7.6	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 14.5% (オッズ暗示: 13.2%) ※ 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	アンナロード	澤田龍（船橋）	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 24.2% (オッズ暗示: 28.6%) ※ 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。
5	グロックスコーセイ	山口達（船橋）	実10.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 9.6% (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	アマルフィディオ	岡村健（船橋）	実19.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 5.5% (オッズ暗示: 5.2%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 6 アマルフィディオ実19.1倍期待値 +103% 推奨 12.2〜29.9倍 100円 ❌不的中3着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 船橋競馬場ダート1200m　発走 16:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラシャスバラード	町田直（川崎）	実61.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は6走で勝ち無し／直近3走平均8.3着と低調）
前5走 04/16 大井3R 9着/11頭+2.3秒 03/26 大井3R 12着/14頭+2.2秒 03/11 大井2R 4着/12頭+0.6秒 02/18 大井2R 9着/13頭+1.9秒 01/29 大井1R 11着/12頭+3.0秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) ▽ 距離適性同距離は 6走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +181% (市場が大幅過小評価) AI 予想勝率 4.6% (オッズ暗示: 1.6%) ※ 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。
2	セイダンシング	高橋利（船橋）	実132.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/28 浦和2R 4着/12頭+2.0秒 05/08 船橋5R 11着/12頭+3.5秒 04/02 船橋1R 4着/11頭+2.0秒 03/12 船橋1R 5着/11頭+2.8秒 02/26 浦和4R 5着/12頭+0.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 38走で勝率 5% △ 距離適性同距離 37走で勝率 5% △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +145% (市場が大幅過小評価) AI 予想勝率 1.8% (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。
3	トクシーカグヤヒメ	本田重（船橋）	実5.6	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率20%）
前5走 05/05 船橋5R 4着/13頭+1.7秒 01/23 船橋5R 7着/12頭+1.3秒 12/09 船橋5R 5着/12頭+1.2秒 11/06 船橋7R 1着/12頭勝利 10/02 船橋6R 3着/12頭+0.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 4走で勝率 25% ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 10.7% (オッズ暗示: 17.9%) ※ 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。
4	タカラバディウス	岡村健（船橋）	実28.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯3走で勝率33%／337日ぶりの実戦）
前5走 07/03 船橋5R 9着/9頭+2.8秒 06/16 川崎8R 7着/12頭+1.1秒 06/03 船橋5R 4着/14頭+0.6秒 05/07 船橋6R 5着/14頭+0.8秒 11/29 船橋4R 1着/10頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 距離適性同距離 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 337日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +64% (市場が大幅過小評価) AI 予想勝率 5.8% (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。
5	ランハルト	木間龍（船橋）	実206.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/15 川崎6R 12着/12頭+4.2秒 05/06 船橋2R 10着/12頭+1.5秒 04/03 船橋4R 7着/12頭+3.3秒 02/28 浦和2R 5着/12頭+1.2秒 02/11 船橋5R 4着/12頭+1.1秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ▽ 前走実績前走 12着 (大敗) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +253% (市場が大幅過小評価) AI 予想勝率 1.7% (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。
6	クリスプオブウォー	山中悠（船橋）	実3.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率33%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 04/02 船橋1R 1着/11頭勝利 02/23 浦和8R 13着/13頭+3.8秒 02/11 船橋4R 3着/12頭+0.8秒 10/02 船橋6R 1着/12頭勝利 09/25 浦和9R 4着/12頭+0.6秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ○ 距離適性同距離 16走で勝率 19% ○ 馬場適性同馬場 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 14.9% (オッズ暗示: 27.0%) ※ 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	ルチェッタ	山口達（船橋）	実41.8	▲詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/15 川崎5R 6着/12頭+1.1秒 04/10 川崎5R 4着/12頭+1.6秒 11/20 川崎8R 7着/12頭+1.8秒 10/15 川崎3R 3着/12頭+1.1秒 09/26 浦和6R 2着/12頭+0.5秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +180% (市場が大幅過小評価) AI 予想勝率 6.7% (オッズ暗示: 2.4%) ※ 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。
8	ニシノエルサ	西村栄（船橋）	実235.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場34走で勝率0%と苦戦傾向／同距離帯は25走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/27 浦和3R 7着/12頭 05/06 船橋2R 11着/12頭+2.1秒 04/03 船橋4R 12着/12頭+4.4秒 03/12 船橋2R 8着/9頭+1.8秒 02/26 浦和4R 10着/12頭+2.5秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 34走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 0.5% (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。
9	オールトソリス	笠野雄（船橋）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走3着／176日ぶりの実戦）
前5走 12/11 船橋5R 3着/12頭+0.3秒 11/07 船橋5R 2着/12頭+0.0秒 10/01 船橋3R 1着/12頭勝利 06/06 船橋4R 4着/9頭+0.9秒 05/07 船橋1R 2着/12頭+0.6秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 10走で勝率 20% (相性良) ○ 距離適性同距離 9走で勝率 22% ○ 前走実績前走 3着 (好走) △ ローテーション 176日休養明け △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 44.0% (オッズ暗示: 62.5%) ※ 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。
10	ミリオンヒット	岡村裕（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均9.3着と低調）
前5走 04/21 浦和2R 12着/12頭+2.5秒 01/08 浦和3R 8着/12頭+1.9秒 12/23 浦和3R 8着/10頭+2.0秒 11/26 浦和3R 8着/9頭+2.5秒 10/29 浦和1R 8着/11頭+2.2秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.3着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 12着 (大敗) × 期待値 (オッズ vs AI勝率) -90% (大幅な期待値マイナス) AI 予想勝率 4.9% ※ 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。
11	テーサウロス	川島正（船橋）	実8.3	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/06 船橋2R 9着/12頭+1.2秒 04/03 船橋4R 3着/12頭+2.8秒 07/29 船橋2R 6着/12頭+0.9秒 07/03 船橋2R 6着/9頭+2.3秒 06/05 船橋1R 2着/11頭+0.5秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し × 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 4.4% (オッズ暗示: 12.0%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 4 タカラバディウス実28.3倍期待値 +114% 推奨 17.2〜30.0倍 100円 ❌不的中10着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 船橋競馬場ダート1200m　発走 16:53

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	トリル	池谷匠（川崎）	実47.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均3.0着と安定／前走2着）
前5走 05/12 川崎3R 2着/9頭+0.1秒 04/08 川崎8R 3着/13頭+2.0秒 03/17 浦和3R 4着/9頭+0.6秒 03/05 川崎3R 5着/12頭+1.2秒 02/06 川崎5R 4着/12頭+1.1秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 3.0着 (安定) ○ 前走実績前走 2着 (好走) ○ ローテーション 24日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 2.3% (オッズ暗示: 2.1%) ※ 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。
2	ササキントモゴロウ	古岡勇（川崎）	実52.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/11 川崎5R 1着/11頭勝利 04/20 浦和2R 8着/12頭+0.7秒 04/06 川崎5R 5着/10頭+1.9秒 03/06 川崎5R 6着/8頭+1.5秒 02/04 川崎3R 13着/14頭+1.6秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 2.1% (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。
3	リバースター	野澤憲（船橋）	実11.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率33%と適性高／同距離帯5走で勝率40%／同馬場状態で勝率33%）
前5走 05/04 船橋1R 1着/11頭勝利 04/21 浦和9R 6着/10頭+1.7秒 03/30 船橋4R 3着/9頭+1.3秒 03/09 船橋1R 1着/10頭勝利 02/11 船橋1R 3着/12頭+1.0秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 5走で勝率 40% ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 9.8% (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。
4	ベストポジション	矢野貴（大井）	実6.6	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯は4走で勝ち無し／同馬場状態で勝率33%／前走3着）
前5走 05/04 船橋1R 3着/11頭+0.2秒 03/30 船橋1R 2着/12頭+0.0秒 03/13 船橋6R 7着/8頭+2.1秒 11/04 船橋2R 3着/8頭+0.3秒 10/02 船橋3R 1着/6頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 ○ 当競馬場適性 5走で勝率 20% (相性良) ▽ 距離適性同距離は 4走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 18.8% (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。
5	マリフェイス	澤田龍（船橋）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率67%と適性高／同距離帯3走で勝率67%／直近3走で勝率67%と好調）
前5走 05/04 船橋1R 2着/11頭+0.0秒 03/31 船橋1R 1着/12頭勝利 03/13 船橋1R 1着/8頭勝利 ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 3走で勝率 67% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ 騎手近50戦勝率 18% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 35.0% (オッズ暗示: 62.5%) ※ 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。
6	ワイルドペガサス	本田重（船橋）	実14.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い／67日ぶりの実戦）
前5走 03/30 船橋1R 1着/12頭勝利 02/09 船橋2R 7着/11頭+1.7秒 01/19 船橋4R 3着/12頭+0.1秒 09/29 船橋1R 2着/5頭+0.8秒 08/27 船橋3R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 20% (好調) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 7.2% (オッズ暗示: 6.8%) ※ 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。
7	クレイスアバンティ	町田直（川崎）	実77.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調）
前5走 05/04 船橋10R 8着/9頭+2.6秒 03/16 浦和2R 1着/11頭勝利 03/06 川崎3R 1着/11頭勝利 ― ―
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 67% (絶好調) 🌟◎ 期待値 (オッズ vs AI勝率) +67% (市場が大幅過小評価) AI 予想勝率 2.2% (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	タイセイガナール	篠谷葵（船橋）	実6.4	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 11.7% (オッズ暗示: 15.6%) ※ 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。
9	ケツァールアズール	中越琉（川崎）	実11.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/11 川崎10R 3着/6頭+0.1秒 04/08 川崎8R 10着/13頭+3.1秒 ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 25日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 6.9% (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。
10	スルーザミル	和田譲（大井）	実22.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/13 川崎2R 8着/12頭+1.4秒 03/16 浦和2R 4着/11頭+0.6秒 02/26 浦和3R 2着/10頭+0.1秒 02/03 川崎4R 13着/14頭+2.7秒 01/08 浦和9R 9着/13頭+1.7秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.7着 ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 4.1% (オッズ暗示: 4.4%) ※ 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。

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）

6R 船橋競馬場ダート1500m　発走 17:22

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ニットウアトラス	藤本現（大井）	実7.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は4走で勝ち無し）
前5走 05/14 川崎3R 6着/14頭+1.0秒 05/06 船橋1R 3着/10頭+0.2秒 02/06 川崎7R 3着/11頭+2.1秒 01/03 川崎5R 3着/14頭+0.8秒 10/13 川崎1R 4着/9頭+1.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0着 ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 14% ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 8.1% (オッズ暗示: 13.7%) ※ 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。
2	メイショウボンゴチ	篠谷葵（船橋）	実55.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 05/04 船橋12R 9着/11頭+3.0秒 03/30 船橋12R 9着/12頭+2.6秒 03/12 船橋2R 5着/9頭+1.1秒 02/27 浦和2R 5着/12頭+1.8秒 02/11 船橋5R 5着/12頭+1.1秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ 騎手近50戦勝率 14% × 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 0.8% (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。
3	ルジュウェール	池谷匠（川崎）	実54.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／63日ぶりの実戦）
前5走 04/03 船橋4R 9着/12頭+3.6秒 03/12 船橋1R 4着/11頭+2.5秒 02/11 船橋5R 7着/12頭+2.0秒 01/23 船橋3R 9着/13頭+2.5秒 12/11 船橋4R 2着/7頭+0.0秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 2.2% (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。
4	ディルブランド	室陽一（浦和）	実6.7	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/25 浦和9R 1着/11頭 03/17 浦和4R 2着/10頭+0.1秒 02/28 浦和6R 2着/9頭+2.9秒 01/09 浦和2R 3着/10頭+1.4秒 ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 13.6% (オッズ暗示: 14.9%) ※ 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。
5	ウインオアシス	仲野光（船橋）	実63.8	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 浦和9R 8着/11頭 12/22 浦和1R 7着/12頭+2.9秒 ― ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.5着 (不振) △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 0.7% (オッズ暗示: 1.6%) ※ 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	キングスウェイ	山口達（船橋）	実5.7	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調）
前5走 05/08 船橋5R 4着/12頭+1.3秒 11/05 船橋7R 1着/11頭勝利 10/03 船橋6R 6着/11頭+1.3秒 08/31 船橋6R 2着/7頭+0.9秒 07/31 船橋6R 3着/7頭+1.0秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 20走で勝率 10% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 19.5% (オッズ暗示: 17.5%) ※ 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。
7	カリプソ	中山遥（浦和）	実54.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（中6日以内の連戦）
前5走 05/29 浦和2R 6着/12頭 05/08 船橋5R 8着/12頭+2.3秒 04/24 浦和5R 7着/9頭+2.0秒 11/26 浦和2R 10着/12頭+1.2秒 10/29 浦和6R 7着/12頭+1.2秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) △ 距離適性同距離 12走で勝率 8% △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 1.6% (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。
8	ビーヴィーヴォ	秋元耕（浦和）	実49.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場27走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し）
前5走 05/04 船橋12R 5着/11頭+1.8秒 04/03 船橋3R 11着/12頭+2.7秒 03/09 船橋12R 2着/10頭+0.3秒 02/13 船橋7R 6着/12頭+1.3秒 01/22 船橋8R 8着/13頭+2.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 27走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.0%) ※ 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。
9	マーニク	及川烈（浦和）	実187.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/04 船橋12R 6着/11頭+1.8秒 04/23 浦和7R 7着/12頭+3.5秒 04/10 川崎5R 10着/12頭+2.8秒 03/19 浦和12R 9着/12頭+2.6秒 02/25 浦和12R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +132% (市場が大幅過小評価) AI 予想勝率 1.2% (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。
10	スペルガッサン	菅原吏（船橋）	実25.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 05/27 浦和2R 2着/12頭 05/05 船橋5R 11着/13頭+2.4秒 04/01 船橋6R 5着/13頭+0.6秒 03/12 船橋4R 9着/9頭+2.2秒 10/03 船橋6R 8着/11頭+1.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 30走で勝率 13% △ 距離適性同距離 38走で勝率 11% △ 騎手近50戦勝率 5% (やや苦戦) ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 5.4% (オッズ暗示: 3.9%) ※ 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。
11	ジェスコ	岡村健（船橋）	実1.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/05 船橋5R 1着/13頭勝利 02/27 浦和2R 3着/12頭+0.6秒 02/10 船橋6R 3着/12頭+1.1秒 09/10 大井1R 2着/10頭+2.2秒 08/13 大井3R 3着/10頭+0.6秒
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ○ 距離適性同距離 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 34.9% (オッズ暗示: 66.7%) ※ 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。
12	ファンタフェスタ	福原杏（浦和）	実44.5	▲詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は10走で勝ち無し）
前5走 05/08 船橋5R 7着/12頭+2.3秒 04/20 浦和9R 9着/13頭+1.8秒 03/20 浦和7R 6着/12頭+1.4秒 02/26 浦和7R 5着/12頭+1.3秒 10/28 浦和2R 8着/12頭+1.9秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.3着 (不振) ▽ 距離適性同距離は 10走で勝ち無し ○ 馬場適性同馬場 5走で勝率 20% ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +340% (市場が大幅過小評価) AI 予想勝率 9.9% (オッズ暗示: 2.2%) ※ 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。

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）

7R 船橋競馬場ダート1200m　発走 17:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マカンコーサッポー	西啓太（大井）	実27.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/28 浦和5R 11着/12頭 04/21 浦和2R 2着/12頭+0.4秒 03/17 浦和4R 5着/10頭+0.9秒 02/23 浦和3R 6着/10頭+1.4秒 12/24 園田1R 4着/10頭+0.4秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 ▽ 前走実績前走 11着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 5.0% (オッズ暗示: 3.6%) ※ 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。
2	スティールチャーム	小杉亮（船橋）	実107.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/07 船橋6R 11着/12頭+3.0秒 04/02 船橋2R 4着/9頭+1.7秒 03/13 船橋4R 6着/9頭+2.0秒 ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 1.6% (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。
3	ササキンポピー	古岡勇（川崎）	実15.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/14 川崎2R 3着/12頭+0.2秒 04/06 川崎1R 4着/11頭+0.2秒 03/20 浦和2R 3着/12頭+0.6秒 03/04 川崎2R 2着/11頭+0.2秒 02/03 川崎1R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.3着 ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 7.2% (オッズ暗示: 6.4%) ※ 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	スマイルナゴミ	菅原吏（船橋）	実139.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場17走で勝率0%と苦戦傾向／同距離帯は16走で勝ち無し）
前5走 05/07 船橋6R 8着/12頭+2.0秒 04/02 船橋2R 6着/9頭+2.6秒 03/13 船橋4R 7着/9頭+2.1秒 02/11 船橋7R 6着/12頭+2.6秒 01/23 船橋6R 8着/12頭+2.8秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 16走で勝ち無し △ 騎手近50戦勝率 5% (やや苦戦) × 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 0.5% (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。
5	サーフプラチナム	山口達（船橋）	実27.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率0%と苦戦傾向）
前5走 05/07 船橋6R 6着/12頭+1.2秒 04/24 浦和2R 3着/12頭+0.3秒 04/03 船橋3R 4着/12頭+0.8秒 03/13 船橋3R 7着/12頭+1.1秒 08/29 船橋3R 7着/11頭+1.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 4走で勝率 0% (苦戦) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 2.8% (オッズ暗示: 3.6%) ※ 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	ラヴォタ	高橋利（船橋）	実108.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/28 浦和4R 7着/8頭+5.0秒 05/07 船橋6R 12着/12頭+3.8秒 04/03 船橋9R 10着/10頭+2.6秒 03/19 浦和5R 12着/12頭+5.8秒 03/13 船橋2R 11着/11頭+4.4秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +77% (市場が大幅過小評価) AI 予想勝率 1.6% (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。
7	アルフェルグ	岡村健（船橋）	実1.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率50%と好調／前走2着／213日ぶりの実戦）
前5走 11/04 船橋4R 2着/12頭+0.0秒 10/03 船橋1R 1着/11頭勝利 ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 前走実績前走 2着 (好走) △ ローテーション 213日休養明け × 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 47.6% (オッズ暗示: 76.9%) ※ 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。
8	アルセリア	篠谷葵（船橋）	実19.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/07 船橋3R 8着/12頭+2.5秒 04/02 船橋3R 8着/12頭+2.6秒 03/13 船橋3R 3着/12頭+0.7秒 02/13 船橋3R 12着/14頭+4.9秒 01/23 船橋3R 7着/13頭+2.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 14走で勝率 7% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -30% (大幅な期待値マイナス) AI 予想勝率 3.5% (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。
9	パープルライダー推奨	野畑凌（川崎）	実15.4	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+77%の中穴候補（前走3着で力を示す／騎手の手腕も後押し）
前5走 05/06 船橋2R 3着/12頭+0.6秒 04/16 大井3R 10着/11頭+2.5秒 03/26 大井3R 9着/14頭+1.5秒 03/12 大井2R 9着/13頭+1.1秒 02/18 大井1R 3着/12頭+0.6秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) ▽ 距離適性同距離は 11走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +77% (市場が大幅過小評価) AI 予想勝率 11.5% (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。
10	ザボドフスキー	椿聡太（船橋）	実151.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/07 船橋3R 11着/12頭+3.5秒 04/02 船橋3R 10着/12頭+4.1秒 03/13 船橋2R 8着/11頭+2.5秒 02/28 浦和7R 10着/13頭+2.6秒 02/11 船橋3R 9着/12頭+2.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.7着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 0.5% (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。
11	アンサーパスト	中山遥（浦和）	実4.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場6走で勝率33%と適性高／同距離帯6走で勝率33%／直近3走で勝率67%と好調）
前5走 05/06 船橋2R 1着/12頭勝利 03/31 船橋4R 1着/11頭勝利 03/10 船橋5R 6着/12頭+1.0秒 02/10 船橋4R 8着/12頭+2.1秒 01/20 船橋5R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 11 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 33% (得意) ◎ 距離適性同距離 6走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 15.7% (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。
12	マジカルレインボー	山本大（船橋）	実29.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/07 船橋5R 8着/12頭+1.2秒 04/20 浦和9R 4着/13頭+1.0秒 04/03 船橋4R 10着/12頭+4.0秒 03/12 船橋1R 3着/11頭+2.0秒 02/11 船橋4R 5着/12頭+1.3秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 2.5% (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。

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. 市場込みモデル

単勝 9 パープルライダー実15.4倍期待値 +77% 推奨 11.3〜21.0倍 100円 ❌不的中7着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

8R 船橋競馬場ダート1500m　発走 18:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ビップアリエル	七夕裕（浦和）	実33.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し／中6日以内の連戦）
前5走 05/29 浦和7R 5着/10頭 04/24 浦和2R 5着/12頭+1.2秒 03/19 浦和4R 7着/11頭+1.9秒 02/28 浦和7R 12着/13頭+4.0秒 ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.7着 ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +77% (市場が大幅過小評価) AI 予想勝率 5.3% (オッズ暗示: 3.0%) ※ 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	サンマルディライト	岡村健（船橋）	実10.9	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/07 船橋3R 5着/12頭+2.1秒 04/02 船橋3R 7着/12頭+2.5秒 07/19 船橋10R 8着/11頭+1.5秒 06/25 船橋11R 7着/8頭+1.6秒 05/31 船橋10R 4着/12頭+0.5秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 13.2% (オッズ暗示: 9.2%) ※ 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	サージ	中山遥（浦和）	実11.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率25%／直近3走平均9.3着と低調／前走3着）
前5走 05/28 浦和4R 3着/8頭+0.0秒 02/06 川崎9R 13着/13頭+6.0秒 01/08 浦和6R 12着/12頭+4.8秒 12/22 浦和1R 2着/12頭+0.9秒 11/28 浦和2R 1着/12頭勝利
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.3着 (不振) ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 10.3% (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。
4	ルナティックアイ	高橋哲（浦和）	実151.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/29 浦和8R 9着/12頭+1.0秒 05/07 船橋3R 9着/12頭+3.1秒 04/24 浦和12R 7着/12頭+1.4秒 03/19 浦和4R 6着/11頭+1.9秒 02/23 浦和3R 5着/10頭+1.2秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +53% (市場が大幅過小評価) AI 予想勝率 1.0% (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。
5	ロベルタインパクト	西啓太（大井）	実60.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（中6日以内の連戦）
前5走 05/29 浦和8R 11着/12頭+4.0秒 02/25 浦和12R 4着/12頭+0.6秒 01/06 浦和12R 4着/12頭+1.4秒 12/24 浦和2R 5着/11頭+2.5秒 11/28 浦和2R 4着/12頭+1.0秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.3着 ▽ 前走実績前走 11着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +46% (妙味あり) AI 予想勝率 2.4% (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	タイセイルシエル	矢野貴（大井）	実10.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／騎手は近50戦で勝率30%）
前5走 05/14 川崎3R 8着/14頭+1.3秒 04/06 川崎7R 5着/14頭+0.6秒 03/30 船橋12R 2着/12頭+0.3秒 03/05 川崎5R 7着/10頭+2.2秒 02/03 川崎2R 3着/13頭+1.1秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.0着 ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 30% (好調) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 9.6% (オッズ暗示: 9.7%) ※ 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	ビジューメファ	福原杏（浦和）	実19.0	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率0%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 05/07 船橋3R 6着/12頭+2.4秒 04/02 船橋3R 3着/12頭+1.7秒 03/13 船橋3R 4着/12頭+0.8秒 02/23 浦和8R 9着/13頭+2.0秒 02/13 船橋3R 7着/14頭+2.5秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 20走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 3.3% (オッズ暗示: 5.3%) ※ 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	バーニングウインド	和田譲（大井）	実1.8	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は20走で勝ち無し／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/04 船橋12R 1着/11頭勝利 04/03 船橋3R 3着/12頭+0.7秒 03/13 船橋3R 6着/12頭+1.0秒 12/12 船橋3R 2着/12頭+0.1秒 11/20 川崎8R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 24走で勝率 12% ▽ 距離適性同距離は 20走で勝ち無し ○ 馬場適性同馬場 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 19.9% (オッズ暗示: 55.6%) ※ 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。
9	レイワエポック推奨	本橋孝（船橋）	実13.4	○詳細▼	市場が大きく過小評価、AI予想勝率17% × オッズ13.4倍で期待値+121%の有力候補（同馬場と相性良）
前5走 05/07 船橋3R 7着/12頭+2.5秒 04/24 浦和6R 7着/11頭+1.7秒 04/03 船橋3R 2着/12頭+0.4秒 03/13 船橋3R 9着/12頭+1.9秒 02/13 船橋3R 5着/14頭+2.0秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 11走で勝率 9% ○ 馬場適性同馬場 4走で勝率 25% 🌟◎ 期待値 (オッズ vs AI勝率) +121% (市場が大幅過小評価) AI 予想勝率 16.5% (オッズ暗示: 7.5%) ※ 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。
10	ノメンターノ	小杉亮（船橋）	実50.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/07 船橋3R 10着/12頭+3.2秒 04/02 船橋3R 11着/12頭+4.2秒 03/13 船橋5R 10着/11頭+3.3秒 01/23 船橋7R 10着/13頭+3.1秒 01/08 浦和6R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 2.4% (オッズ暗示: 2.0%) ※ 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。
11	ターミネーター	實川純（船橋）	実21.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／前走3着）
前5走 05/08 船橋5R 3着/12頭+1.1秒 04/20 浦和9R 6着/13頭+1.1秒 04/03 船橋3R 9着/12頭+2.0秒 03/12 船橋4R 5着/9頭+1.2秒 02/10 船橋6R 2着/12頭+0.7秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 距離適性同距離 10走で勝率 10% ○ 馬場適性同馬場 4走で勝率 25% ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +12% (市場と概ね一致) AI 予想勝率 5.2% (オッズ暗示: 4.6%) ※ 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。
12	エリセイラ	野畑凌（川崎）	実5.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場5走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走3着）
前5走 05/07 船橋3R 3着/12頭+1.6秒 04/02 船橋3R 6着/12頭+2.4秒 03/09 船橋12R 3着/10頭+0.6秒 02/13 船橋3R 6着/14頭+2.1秒 01/23 船橋3R 5着/13頭+1.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 10.9% (オッズ暗示: 20.0%) ※ 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。

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. 市場込みモデル

単勝 9 レイワエポック実13.4倍期待値 +121% 推奨 7.9〜22.8倍 200円 ❌不的中

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 船橋競馬場ダート1600m　発走 19:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ウインメラナイト	古岡勇（川崎）	実119.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/14 川崎9R 9着/13頭+1.0秒 04/08 川崎9R 6着/13頭+1.8秒 03/06 川崎10R 4着/9頭+1.4秒 02/02 川崎9R 6着/12頭+1.0秒 01/03 川崎9R 4着/14頭+2.2秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 0.7% (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。
2	ウインブリエ	福原杏（浦和）	実87.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率33%と適性高）
前5走 05/25 浦和10R 12着/12頭+5.0秒 05/14 川崎9R 2着/13頭+0.1秒 04/23 浦和10R 4着/11頭+0.7秒 04/08 川崎9R 11着/13頭+3.9秒 03/17 浦和12R 6着/12頭+1.6秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 ◎ 当競馬場適性 3走で勝率 33% (得意) ▽ 前走実績前走 12着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +69% (市場が大幅過小評価) AI 予想勝率 1.9% (オッズ暗示: 1.1%) ※ 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。
3	ゴッドトレジャー	山口達（船橋）	実2.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場4走で勝率75%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/07 船橋12R 1着/13頭勝利 04/03 船橋12R 1着/13頭勝利 03/13 船橋3R 1着/12頭勝利 01/23 船橋3R 2着/13頭+0.1秒 12/09 名古屋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 4走で勝率 75% (得意) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 42.1% (オッズ暗示: 40.0%) ※ 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。
4	ルタンアリュール	本田重（船橋）	実10.3	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率36%と適性高／同距離帯は3走で勝ち無し／同馬場状態で勝率50%）
前5走 05/06 船橋9R 2着/12頭+0.2秒 03/30 船橋7R 3着/12頭+0.1秒 03/09 船橋7R 3着/9頭+0.2秒 02/09 船橋12R 6着/13頭+2.2秒 01/19 船橋9R 4着/12頭+0.2秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 11走で勝率 36% (得意) ▽ 距離適性同距離は 3走で勝ち無し ◎ 馬場適性同馬場 4走で勝率 50% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 7.4% (オッズ暗示: 9.7%) ※ 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	アイノシャンティー	岡村健（船橋）	実43.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は6走で勝ち無し／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/13 川崎8R 1着/3頭 04/10 川崎9R 9着/10頭+2.0秒 03/05 川崎9R 6着/11頭+2.1秒 11/19 川崎8R 8着/12頭+1.0秒 10/14 川崎9R 1着/12頭勝利
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ▽ 距離適性同距離は 6走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 23日の間隔 (理想的) 🌟◎ 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 3.6% (オッズ暗示: 2.3%) ※ 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	ボールドチャー	笹川翼（大井）	実3.1	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場12走で勝率33%と適性高／同距離帯4走で勝率25%／前走2着）
前5走 05/08 船橋10R 2着/12頭+0.4秒 04/02 船橋10R 2着/14頭+0.0秒 12/12 船橋10R 9着/14頭+3.7秒 11/04 船橋7R 1着/13頭勝利 09/29 船橋9R 3着/12頭+1.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.3着 ◎ 当競馬場適性 12走で勝率 33% (得意) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) × 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 6.9% (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。
7	リヤンドゥミラクル	鷹見陸（大井）	実27.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均8.7着と低調）
前5走 05/08 船橋10R 7着/12頭+1.1秒 01/23 船橋10R 10着/11頭+2.0秒 09/25 浦和10R 9着/11頭+2.5秒 ― ―
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 5.0% (オッズ暗示: 3.7%) ※ 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。
8	クリスタルアロー	藤本現（大井）	実67.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し／同馬場状態で勝率33%）
前5走 05/14 川崎9R 8着/13頭+0.8秒 04/09 川崎9R 4着/14頭+0.8秒 03/11 船橋9R 6着/11頭+2.0秒 03/05 川崎9R 7着/11頭+2.4秒 02/03 川崎7R 9着/12頭+0.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 ▽ 距離適性同距離は 3走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 14% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 1.8% (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。
9	ハイタイド	澤田龍（船橋）	実36.6	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 ○ 騎手近50戦勝率 16% 🌟◎ 期待値 (オッズ vs AI勝率) +97% (市場が大幅過小評価) AI 予想勝率 5.4% (オッズ暗示: 2.7%) ※ 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	ルグランシャリオ	矢野貴（大井）	実10.3	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率30%）
前5走 05/08 船橋10R 3着/12頭+0.4秒 03/30 船橋7R 1着/12頭勝利 03/09 船橋9R 3着/14頭+0.4秒 02/11 船橋12R 5着/14頭+1.3秒 06/03 船橋6R 2着/12頭+0.4秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 12.4% (オッズ暗示: 9.7%) ※ 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。
11	アレグリアシチー	臼井健（船橋）	実118.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/28 浦和7R 1着/12頭 05/04 船橋6R 8着/12頭+2.8秒 04/23 浦和4R 6着/11頭+1.5秒 02/25 浦和5R 6着/12頭+1.9秒 01/03 川崎8R 11着/12頭+3.4秒
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +74% (市場が大幅過小評価) AI 予想勝率 1.5% (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	スノーライトニング	仲野光（船橋）	実11.5	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/06 船橋9R 1着/12頭勝利 03/30 船橋7R 4着/12頭+0.2秒 03/09 船橋7R 4着/9頭+0.4秒 02/09 船橋6R 2着/14頭+1.6秒 01/20 船橋9R 6着/14頭+1.5秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 7走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) × 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 2.5% (オッズ暗示: 8.7%) ※ 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。
13	プルーフリーダー	増田充（川崎）	実100.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/14 川崎9R 13着/13頭+3.0秒 04/09 川崎9R 2着/14頭+0.1秒 03/17 浦和7R 4着/7頭+1.5秒 03/05 川崎9R 8着/11頭+2.5秒 02/04 川崎12R 6着/14頭+1.5秒
AI 評価の内訳 — 馬番 13 △ 直近3戦の調子平均 6.3着 ○ 馬場適性同馬場 4走で勝率 25% ▽ 前走実績前走 13着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 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 1.6% (オッズ暗示: 1.0%) ※ 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。
14	マクマード	野畑凌（川崎）	実9.0	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯は4走で勝ち無し）
前5走 05/25 浦和10R 7着/12頭 05/08 船橋10R 4着/12頭+0.4秒 04/02 船橋10R 4着/14頭+1.5秒 03/11 船橋9R 4着/11頭+1.1秒 02/12 船橋9R 4着/14頭+0.7秒
AI 評価の内訳 — 馬番 14 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 13走で勝率 8% ▽ 距離適性同距離は 4走で勝ち無し ○ 騎手近50戦勝率 18% × 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 7.2% (オッズ暗示: 11.1%) ※ 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。

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. 市場込みモデル

馬連 3-10 実11.6倍期待値 +74% 100円 ❌不的中3番(4着)-10番(9着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 船橋競馬場ダート1200m　発走 19:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	セントラルガバナー	御神訓（大井）	実6.8	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同距離帯13走で勝率31%／騎手は近50戦で勝率32%）
前5走 05/01 大井12R 4着/16頭+0.5秒 04/03 船橋10R 2着/11頭+0.9秒 03/11 大井11R 7着/12頭+0.3秒 12/05 大井11R 4着/13頭+0.3秒 11/10 大井11R 4着/12頭+0.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 ◎ 距離適性同距離 13走で勝率 31% ◎ 騎手近50戦勝率 32% (好調) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 14.7%) ※ 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。
2	ヨルノテイオー	矢野貴（大井）	実35.5	×詳細▼	大穴、AI予想勝率低く長期回収困難（騎手は近50戦で勝率30%）
前5走 05/28 浦和11R 7着/13頭 02/13 船橋12R 7着/12頭+0.8秒 01/21 船橋9R 3着/11頭+0.5秒 01/09 浦和11R 8着/10頭+1.1秒 12/22 浦和11R 5着/13頭+0.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 23走で勝率 13% △ 距離適性同距離 9走で勝率 11% ◎ 騎手近50戦勝率 30% (好調) × 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 1.3% (オッズ暗示: 2.8%) ※ 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。
3	ヘリアンフォラ	本橋孝（船橋）	実29.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/08 船橋9R 4着/12頭+0.1秒 04/01 船橋10R 5着/10頭+1.0秒 03/12 船橋8R 3着/10頭+0.2秒 02/12 船橋10R 4着/12頭+0.7秒 11/06 船橋9R 5着/11頭+1.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 26走で勝率 12% △ 距離適性同距離 21走で勝率 10% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 2.8% (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	ゾディアックレーヴ	篠谷葵（船橋）	実12.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/07 船橋8R 6着/8頭+2.0秒 04/01 船橋10R 2着/10頭+0.0秒 03/12 船橋8R 4着/10頭+0.5秒 02/13 船橋12R 2着/12頭+0.0秒 01/21 船橋9R 2着/11頭+0.5秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 22走で勝率 9% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 3.8% (オッズ暗示: 8.1%) ※ 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。
5	モデルハント	臼井健（船橋）	実71.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率50%と適性高／同距離帯3走で勝率67%／直近3走で勝率33%と好調）
前5走 05/08 船橋9R 9着/12頭+3.0秒 04/24 浦和11R 10着/11頭+2.7秒 04/01 船橋10R 1着/10頭勝利 12/11 船橋11R 9着/10頭+3.1秒 05/22 大井11R 1着/15頭勝利
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 50% (得意) ◎ 距離適性同距離 3走で勝率 67% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 1.7% (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。
6	ブライトフラッシュ	和田譲（大井）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場9走で勝率78%と適性高／同距離帯9走で勝率67%／直近3走で勝率33%と好調）
前5走 05/08 船橋9R 2着/12頭+0.0秒 04/03 船橋10R 1着/11頭勝利 03/12 船橋10R 3着/11頭+0.6秒 08/29 船橋9R 1着/6頭勝利 07/17 大井11R 7着/16頭+0.7秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 9走で勝率 78% (得意) ◎ 距離適性同距離 9走で勝率 67% ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +22% (市場と概ね一致) AI 予想勝率 47.0% (オッズ暗示: 38.5%) ※ 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。
7	サッキーミツグ	高橋昭（大井）	実25.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯28走で勝率25%／同馬場状態で勝率33%）
前5走 05/08 船橋9R 5着/12頭+0.4秒 04/14 大井11R 10着/11頭+2.7秒 03/25 大井7R 6着/8頭+2.2秒 03/12 大井6R 9着/9頭+3.4秒 02/18 大井12R 8着/13頭+2.3秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) ◎ 距離適性同距離 28走で勝率 25% ◎ 馬場適性同馬場 9走で勝率 33% ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 5.6% (オッズ暗示: 4.0%) ※ 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	ハードワイヤード	笹川翼（大井）	実2.6	▲詳細▼	人気馬、市場評価通りで上乗せなし（騎手は近50戦で勝率38%）
前5走 05/07 船橋10R 5着/11頭+0.4秒 ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 ◎ 騎手近50戦勝率 38% (好調) × 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 17.2% (オッズ暗示: 38.5%) ※ 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。
9	スピリットガイド	藤田凌（大井）	実6.0	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 04/29 大井7R 5着/8頭+2.2秒 03/25 大井7R 1着/8頭勝利 03/11 大井11R 5着/12頭+0.2秒 02/20 大井11R 9着/15頭+1.2秒 ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 距離適性同距離 3走で勝率 33% △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 13.4% (オッズ暗示: 16.7%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 3 ヘリアンフォラ実29.9倍期待値 +116% 推奨 18.0〜30.0倍 100円 ❌不的中8着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 船橋競馬場ダート1000m　発走 20:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オスカーブレイン	町田直（川崎）	実37.2	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/12 川崎11R 9着/12頭+2.0秒 04/06 川崎11R 7着/9頭+2.0秒 03/02 川崎11R 2着/9頭+0.6秒 02/02 川崎11R 4着/9頭+1.2秒 12/13 川崎11R 11着/12頭+7.7秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 ○ ローテーション 24日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 3.5% (オッズ暗示: 2.7%) ※ 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。
2	クオレス	池谷匠（川崎）	実186.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.7着と低調）
前5走 05/12 川崎11R 12着/12頭+3.4秒 04/06 川崎11R 8着/9頭+2.2秒 01/01 川崎9R 12着/12頭+2.4秒 12/17 川崎9R 11着/11頭+1.8秒 11/17 川崎11R 10着/10頭+2.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.7着 (不振) ▽ 前走実績前走 12着 (大敗) ○ ローテーション 24日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +120% (市場が大幅過小評価) AI 予想勝率 1.2% (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。
3	ジョイフルロック	矢野貴（大井）	実3.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場11走で勝率55%と適性高／前走3着／騎手は近50戦で勝率30%）
前5走 05/08 船橋9R 3着/12頭+0.1秒 04/01 船橋10R 9着/10頭+2.1秒 03/12 船橋8R 5着/10頭+0.6秒 12/10 船橋12R 1着/11頭勝利 11/05 船橋9R 1着/9頭勝利
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 11走で勝率 55% (得意) ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 16.9% (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。
4	ムーム	西啓太（大井）	実11.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/21 大井11R 9着/13頭+0.0秒 04/29 大井7R 3着/8頭+1.3秒 03/26 大井11R 9着/13頭+1.0秒 ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 10.1% (オッズ暗示: 8.5%) ※ 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	ポアゾンボス	山本大（船橋）	実60.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯7走で勝率29%／直近3走平均10.0着と低調）
前5走 05/08 船橋9R 8着/12頭+1.1秒 03/31 船橋10R 13着/14頭+1.6秒 03/11 船橋10R 9着/14頭+1.2秒 02/13 船橋10R 9着/12頭+2.7秒 11/04 船橋12R 9着/12頭+1.4秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.0着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) ◎ 距離適性同距離 7走で勝率 29% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 1.6% (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	ヒビキ	野畑凌（川崎）	実16.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/07 船橋8R 4着/8頭+1.7秒 01/14 大井11R 10着/11頭+2.7秒 12/23 浦和11R 9着/13頭+1.3秒 10/28 浦和11R 2着/10頭+0.8秒 09/30 船橋7R 1着/5頭勝利
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 5.3% (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	ピンクタオルチャン	笹川翼（大井）	実7.4	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（同馬場状態で勝率40%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/14 川崎10R 1着/12頭勝利 04/20 浦和11R 2着/13頭+0.4秒 04/09 川崎10R 3着/12頭+0.4秒 11/19 川崎10R 6着/12頭+1.2秒 10/31 浦和11R 1着/13頭勝利
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 馬場適性同馬場 5走で勝率 40% ◎ 騎手近50戦勝率 38% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 9.2% (オッズ暗示: 13.5%) ※ 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	サトノムスタング	篠谷葵（船橋）	実14.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率40%と適性高／直近3走で勝率33%と好調）
前5走 05/07 船橋8R 5着/8頭+1.8秒 04/03 船橋7R 3着/9頭+1.1秒 03/13 船橋8R 1着/6頭勝利 02/16 大井11R 11着/16頭+2.2秒 01/20 船橋10R 7着/10頭+0.9秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 20走で勝率 40% (得意) ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 4.3% (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。
9	ゼウスビスティー	本橋孝（船橋）	実2.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場7走で勝率43%と適性高／直近3走で勝率33%と好調／前走2着）
前5走 05/07 船橋8R 2着/8頭+0.5秒 02/13 船橋12R 3着/12頭+0.0秒 01/20 船橋10R 1着/10頭勝利 12/12 船橋9R 2着/8頭+0.1秒 07/29 船橋12R 1着/10頭勝利
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 7走で勝率 43% (得意) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 34.7% (オッズ暗示: 40.0%) ※ 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。
10	シナノスマイル	櫻井光（川崎）	実173.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／直近3走平均10.3着と低調）
前5走 05/08 船橋9R 11着/12頭+3.4秒 04/24 浦和11R 11着/11頭+4.0秒 04/06 川崎11R 9着/9頭+2.8秒 03/13 船橋8R 4着/6頭+1.3秒 02/27 浦和11R 9着/12頭+2.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ 騎手近50戦勝率 18% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +211% (市場が大幅過小評価) AI 予想勝率 1.8% (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。
11	レーザーショー	御神訓（大井）	実5.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場13走で勝率46%と適性高／同馬場状態で勝率75%／直近3走で勝率33%と好調）
前5走 05/07 船橋8R 3着/8頭+1.0秒 04/03 船橋7R 2着/9頭+0.9秒 03/12 船橋8R 1着/10頭勝利 02/13 船橋12R 9着/12頭+1.1秒 01/21 船橋9R 1着/11頭勝利
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 13走で勝率 46% (得意) ◎ 馬場適性同馬場 4走で勝率 75% ◎ 騎手近50戦勝率 32% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 11.5% (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。

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）

12R 船橋競馬場ダート2200m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラブラブパイロ	西啓太（大井）	実42.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 04/30 大井10R 8着/15頭+1.6秒 11/03 船橋9R 10着/14頭+3.1秒 10/07 大井11R 7着/12頭+1.7秒 07/01 大井11R 1着/7頭勝利 05/20 大井11R 3着/12頭+0.3秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +100% (市場が大幅過小評価) AI 予想勝率 4.7% (オッズ暗示: 2.4%) ※ 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	ペプチドソレイユ	本田重（船橋）	実5.8	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 12.1% (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。
3	ペルマナント	藤本現（大井）	実79.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯5走で勝率40%）
前5走 05/07 船橋10R 6着/11頭+1.0秒 04/02 船橋11R 5着/9頭+1.4秒 02/13 船橋11R 4着/11頭+0.5秒 01/23 船橋11R 7着/11頭+1.5秒 09/17 大井11R 10着/14頭+4.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 14走で勝率 21% (相性良) ◎ 距離適性同距離 5走で勝率 40% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -30% (オッズ過剰評価) AI 予想勝率 0.9% (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。
4	ページェント	野畑凌（川崎）	実42.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/07 船橋10R 4着/11頭+0.2秒 04/17 大井11R 6着/12頭+0.6秒 04/03 船橋7R 5着/9頭+1.5秒 03/10 船橋11R 4着/9頭+0.9秒 01/05 名古屋7R 10着/12頭+3.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 18% 🌟◎ 期待値 (オッズ vs AI勝率) +59% (市場が大幅過小評価) AI 予想勝率 3.7% (オッズ暗示: 2.3%) ※ 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	オーシンロクゼロ	和田譲（大井）	実56.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 04/30 大井10R 7着/15頭+1.4秒 04/17 大井11R 5着/12頭+0.6秒 02/17 大井11R 6着/15頭+1.3秒 01/15 大井11R 4着/11頭+1.2秒 12/25 大井11R 6着/16頭+3.4秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 ○ 馬場適性同馬場 5走で勝率 20% △ 期待値 (オッズ vs AI勝率) -8% (オッズ過剰評価) AI 予想勝率 1.6% (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。
6	ジルバーン	矢野貴（大井）	実13.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／騎手は近50戦で勝率28%）
前5走 05/08 船橋12R 9着/13頭+2.0秒 04/02 船橋11R 1着/9頭勝利 03/13 船橋12R 3着/9頭+0.8秒 02/13 船橋11R 2着/11頭+0.0秒 01/20 船橋11R 7着/14頭+1.4秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 4.1% (オッズ暗示: 7.6%) ※ 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	ヒロシゲジャック	笠野雄（船橋）	実131.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/08 船橋11R 11着/14頭+3.0秒 04/02 船橋11R 7着/9頭+2.0秒 03/13 船橋12R 4着/9頭+1.5秒 02/13 船橋11R 8着/11頭+0.8秒 01/23 船橋12R 2着/14頭+0.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 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 1.2% (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。
8	キャッスルブレイヴ	仲野光（船橋）	実199.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場31走で勝率3%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/08 船橋11R 13着/14頭+4.4秒 04/23 浦和11R 10着/12頭+3.6秒 04/02 船橋12R 5着/11頭+0.9秒 03/13 大井11R 7着/10頭+2.1秒 02/13 船橋11R 9着/11頭+1.1秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 31走で勝率 3% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 0.5% (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。
9	キタサンドーシン	本橋孝（船橋）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場8走で勝率38%と適性高／同距離帯3走で勝率33%／直近3走で勝率67%と好調）
前5走 05/08 船橋11R 1着/14頭勝利 04/02 船橋11R 4着/9頭+0.7秒 03/13 船橋12R 1着/9頭勝利 09/18 大井11R 3着/8頭+0.9秒 08/31 船橋11R 2着/9頭+0.0秒
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 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 17.1% (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。
10	タイガーチャージ	吉井章（大井）	実12.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 04/30 大井10R 3着/15頭+0.7秒 01/13 大井11R 5着/10頭+1.2秒 12/25 大井11R 12着/16頭+6.0秒 11/12 大井12R 11着/12頭+2.6秒 10/21 大井11R 2着/9頭+0.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 8.8% (オッズ暗示: 8.2%) ※ 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	ナショナルモール	木間龍（船橋）	実113.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場14走で勝率29%と適性高／同距離帯12走で勝率33%／同馬場状態で勝率33%）
前5走 05/08 船橋11R 10着/14頭+2.9秒 04/02 船橋11R 9着/9頭+3.4秒 03/13 船橋12R 6着/9頭+2.1秒 02/13 船橋11R 3着/11頭+0.5秒 07/08 川崎9R 4着/6頭+1.4秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) ◎ 当競馬場適性 14走で勝率 29% (得意) ◎ 距離適性同距離 12走で勝率 33% ◎ 馬場適性同馬場 3走で勝率 33% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 28日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +158% (市場が大幅過小評価) AI 予想勝率 2.3% (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。
12	スパルタレオニダス推奨	笹川翼（大井）	実25.3	▲詳細▼	市場が大きく過小評価、AI予想勝率9% × オッズ25.3倍で期待値+124%の有力候補（直近3走勝率33%と上り調子／同馬場状態で勝率40%／騎手は近50戦勝率36%と好調）
前5走 12/25 大井11R 13着/16頭+6.5秒 12/04 大井9R 1着/10頭勝利 11/14 大井11R 3着/13頭+0.7秒 10/13 川崎11R 10着/13頭+4.0秒 02/25 浦和11R 1着/8頭勝利
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 馬場適性同馬場 5走で勝率 40% ◎ 騎手近50戦勝率 36% (好調) ▽ 前走実績前走 13着 (大敗) △ ローテーション 162日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +124% (市場が大幅過小評価) AI 予想勝率 8.9% (オッズ暗示: 4.0%) ※ 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。
13	ゼアシュネル	御神訓（大井）	実1.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場12走で勝率83%と適性高／同馬場状態で勝率100%／直近3走で勝率100%と好調）
前5走 05/08 船橋12R 1着/13頭勝利 10/02 船橋10R 1着/11頭勝利 07/31 船橋11R 1着/7頭勝利 07/06 船橋12R 1着/11頭勝利 06/03 船橋10R 1着/11頭勝利
AI 評価の内訳 — 馬番 13 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 12走で勝率 83% (得意) ◎ 馬場適性同馬場 3走で勝率 100% ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 33.9% (オッズ暗示: 52.6%) ※ 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。

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. 市場込みモデル

単勝 12 スパルタレオニダス実25.3倍期待値 +124% 推奨 14.6〜30.0倍 100円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

1R 名古屋競馬場ダート1500m　発走 12:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リトルガールブルー	細川智（愛知）	実44.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／前走3着）
前5走 05/22 名古屋6R 3着/9頭 05/07 名古屋6R 9着/11頭+1.7秒 04/23 名古屋4R 5着/12頭+0.7秒 03/18 園田3R 3着/10頭+0.3秒 01/08 園田9R 8着/10頭+0.5秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.2%) ※ 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。
2	シャルメイビス	丸野勝（愛知）	実40.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（前走3着）
前5走 05/22 名古屋5R 3着/10頭+8.0秒 03/26 名古屋4R 10着/12頭+1.7秒 03/12 名古屋1R 5着/11頭+1.0秒 02/27 名古屋3R 7着/11頭+1.3秒 02/12 名古屋2R 11着/12頭+1.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 13走で勝率 8% △ 距離適性同距離 14走で勝率 7% ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +73% (市場が大幅過小評価) AI 予想勝率 4.3% (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。
3	ブルロッソ	塚本征（愛知）	実13.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯4走で勝率25%／直近3走で勝率33%と好調／騎手は近50戦で勝率24%）
前5走 05/22 名古屋8R 6着/11頭+0.0秒 05/06 名古屋1R 1着/11頭勝利 04/22 名古屋8R 7着/11頭+1.1秒 04/09 名古屋3R 4着/11頭+0.6秒 03/27 名古屋1R 7着/10頭+1.2秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ◎ 距離適性同距離 4走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 9.2% (オッズ暗示: 7.6%) ※ 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。
4	ウインアリス	木之葵（愛知）	実2.1	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 33.1% (オッズ暗示: 47.6%) ※ 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。
5	ギースバッハ	近藤颯（愛知）	実75.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯17走で勝率29%／直近3走平均8.0着と低調）
前5走 05/22 名古屋8R 9着/11頭 05/07 名古屋7R 6着/11頭+1.0秒 04/13 名古屋3R 9着/10頭+1.7秒 10/15 名古屋12R 10着/12頭+3.4秒 09/16 名古屋11R 8着/11頭+1.7秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.0着 (不振) ○ 当競馬場適性 22走で勝率 23% (相性良) ◎ 距離適性同距離 17走で勝率 29% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
6	トラストユー	望月洵（愛知）	実24.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場20走で勝率5%と苦戦傾向／騎手は近50戦で勝率24%）
前5走 05/22 名古屋7R 10着/11頭 05/07 名古屋6R 3着/11頭+0.5秒 04/23 名古屋6R 7着/12頭+2.2秒 04/10 名古屋4R 4着/11頭+1.2秒 03/26 名古屋5R 7着/12頭+1.8秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 20走で勝率 5% (苦戦) △ 距離適性同距離 18走で勝率 6% ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 2.3% (オッズ暗示: 4.1%) ※ 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	マイチャージ	大畑慧（愛知）	実58.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 04/28 園田12R 7着/12頭+0.7秒 04/07 園田12R 6着/12頭+0.7秒 03/17 園田12R 4着/12頭+0.3秒 01/14 園田4R 4着/12頭+1.0秒 10/01 園田12R 3着/12頭+0.3秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 🌟◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 2.8% (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。
8	プレイアブルゲーム	友森翔（愛知）	実5.8	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯8走で勝率25%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/21 名古屋1R 1着/10頭 05/05 名古屋12R 4着/12頭+0.9秒 04/22 名古屋4R 11着/12頭+1.6秒 04/09 名古屋1R 5着/11頭+1.1秒 03/10 名古屋10R 11着/12頭+4.1秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 8走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 16.5% (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。
9	コスモナッシュビル	今井貴（愛知）	実2.7	○詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯8走で勝率25%／前走3着／126日ぶりの実戦）
前5走 01/30 名古屋8R 3着/10頭+0.4秒 01/16 名古屋12R 5着/12頭+1.0秒 01/03 名古屋11R 6着/12頭+2.1秒 12/10 名古屋1R 1着/12頭勝利 11/12 名古屋5R 3着/11頭+1.3秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 距離適性同距離 8走で勝率 25% ○ 前走実績前走 3着 (好走) △ ローテーション 126日休養明け × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 21.9% (オッズ暗示: 37.0%) ※ 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。
10	ミスティブルー	加藤聡（愛知）	実25.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率25%と適性高／同距離帯8走で勝率25%／騎手は近50戦で勝率24%）
前5走 05/22 名古屋8R 7着/11頭+0.0秒 05/07 名古屋7R 4着/11頭+0.8秒 04/24 名古屋3R 6着/12頭+2.4秒 04/09 名古屋3R 1着/11頭勝利 03/25 名古屋2R 7着/11頭+0.7秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.7着 ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 8走で勝率 25% ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +47% (妙味あり) AI 予想勝率 5.8% (オッズ暗示: 3.9%) ※ 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。
11	ノブノリオウ	丹羽克（愛知）	実131.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 05/22 名古屋8R 10着/11頭+4.0秒 05/07 名古屋12R 9着/10頭+3.5秒 04/24 名古屋3R 10着/12頭+3.8秒 04/13 名古屋3R 10着/10頭+2.1秒 03/27 名古屋2R 12着/12頭+3.3秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 14走で勝率 14% △ 距離適性同距離 14走で勝率 14% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +116% (市場が大幅過小評価) AI 予想勝率 1.7% (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。

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）

2R 名古屋競馬場ダート1400m　発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グランヘラクレス	塚本征（愛知）	実7.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率24%）
前5走 05/19 名古屋4R 7着/11頭+4.6秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 10.2% (オッズ暗示: 13.3%) ※ 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	クモンリュウ	望月洵（愛知）	実6.8	○詳細▼	AI上位評価だが期待値不足、見送り（騎手は近50戦で勝率24%）
前5走 05/19 名古屋4R 9着/11頭+5.5秒 03/12 船橋7R 6着/9頭+1.6秒 ― ― ―
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.5着 (不振) ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 16.1% (オッズ暗示: 14.7%) ※ 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	グランドサークル	大原浩（笠松）	実30.0	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/07 船橋2R 6着/12頭+3.1秒 04/01 船橋1R 7着/12頭+1.5秒 03/10 船橋1R 5着/11頭+1.0秒 02/12 船橋1R 4着/9頭+0.6秒 01/22 船橋1R 6着/12頭+2.3秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 × 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 1.3% (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	エターナルハーピー	大畑雅（愛知）	実175.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/19 名古屋1R 9着/10頭+2.8秒 05/04 名古屋1R 7着/9頭+2.0秒 04/20 名古屋1R 10着/12頭+2.8秒 04/07 名古屋1R 5着/11頭+1.2秒 03/09 名古屋1R 8着/11頭+1.2秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 17日の間隔 (理想的) 🌟◎ 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 1.1% (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。
5	イントゥディープ	加藤誓（愛知）	実228.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/19 名古屋3R 8着/9頭+3.9秒 05/04 名古屋3R 10着/10頭+5.3秒 01/27 名古屋2R 10着/10頭+7.8秒 ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 17日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +162% (市場が大幅過小評価) AI 予想勝率 1.1% (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。
6	チェリカキング	加藤聡（愛知）	実1.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 26% (好調) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 35.5% (オッズ暗示: 52.6%) ※ 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	ムギガクダン	丸野勝（愛知）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.0着と安定／前走2着）
前5走 05/19 名古屋1R 2着/10頭+1.7秒 ― ― ― ―
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.0着 (安定) ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) ○ ローテーション 17日の間隔 (理想的) × 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 18.2% (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。
8	ウワサノモアナ	木之葵（愛知）	実90.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場7走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／前走3着）
前5走 03/09 名古屋1R 3着/11頭+0.9秒 02/23 名古屋8R 4着/10頭+0.3秒 02/09 名古屋3R 6着/12頭+1.4秒 01/16 名古屋2R 4着/12頭+0.5秒 01/02 名古屋2R 4着/12頭+0.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +50% (市場が大幅過小評価) AI 予想勝率 1.7% (オッズ暗示: 1.1%) ※ 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	ジン	松本一（笠松）	実230.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向）
前5走 05/19 名古屋1R 7着/10頭+2.4秒 05/06 名古屋8R 9着/10頭+5.4秒 04/20 名古屋1R 6着/12頭+2.3秒 04/07 名古屋1R 6着/11頭+1.4秒 03/23 名古屋1R 4着/10頭+0.7秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 17日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +50% (市場が大幅過小評価) AI 予想勝率 0.7% (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。
10	タイキフォルティス	丸山真（愛知）	実25.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/19 名古屋3R 6着/9頭+1.9秒 05/04 名古屋4R 7着/10頭+4.5秒 ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.5着 △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 4.6% (オッズ暗示: 4.0%) ※ 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。
11	テルレーヌ	今井貴（愛知）	実18.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場13走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/19 名古屋1R 6着/10頭+2.0秒 05/04 名古屋1R 5着/9頭+1.5秒 04/20 名古屋1R 7着/12頭+2.4秒 04/07 名古屋1R 7着/11頭+1.4秒 03/23 名古屋1R 5着/10頭+0.8秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 17日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 4.0% (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。
12	ヴィクトリアビーチ	大畑慧（愛知）	実25.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場11走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均9.0着と低調）
前5走 11/21 名古屋11R 10着/10頭+4.5秒 11/11 名古屋2R 5着/11頭+1.6秒 10/31 名古屋2R 12着/12頭+3.7秒 10/16 名古屋2R 4着/11頭+1.3秒 10/01 名古屋3R 5着/12頭+1.1秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ▽ 前走実績前走 10着 (大敗) △ ローテーション 196日休養明け ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 5.5% (オッズ暗示: 4.0%) ※ 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。

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）

3R 名古屋競馬場ダート1500m　発走 13:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マイネルカイザー	今井貴（愛知）	実10.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 7.9% (オッズ暗示: 9.4%) ※ 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	ユイバイハウス	丸野勝（愛知）	実3.5	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 ○ 騎手近50戦勝率 14% × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 16.9% (オッズ暗示: 28.6%) ※ 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。
3	ジュンノシャップ	大原浩（笠松）	実161.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/04 名古屋4R 8着/10頭+4.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +75% (市場が大幅過小評価) AI 予想勝率 1.1% (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。
4	クィーンズローズ	友森翔（愛知）	実34.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 05/19 名古屋4R 6着/11頭+4.3秒 04/23 名古屋10R 12着/12頭+5.3秒 ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.0着 (不振) ○ ローテーション 17日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +46% (妙味あり) AI 予想勝率 4.3% (オッズ暗示: 2.9%) ※ 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。
5	ブロンディ	大畑慧（愛知）	実12.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 5.5% (オッズ暗示: 8.2%) ※ 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。
6	ノーチェ	塚本征（愛知）	実17.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率26%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 26% (好調) × 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 3.6% (オッズ暗示: 5.8%) ※ 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。
7	シャインプレマ	丹羽克（愛知）	実47.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 7 △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 2.3% (オッズ暗示: 2.1%) ※ 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。
8	スマートピクタス	木之葵（愛知）	実86.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 1.1% (オッズ暗示: 1.2%) ※ 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	フライトマップ	近藤颯（愛知）	実12.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 9 △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 6.4% (オッズ暗示: 8.3%) ※ 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。
10	マランドロ	細川智（愛知）	実9.6	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 10 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 11.2% (オッズ暗示: 10.4%) ※ 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	バッカス	渡邊竜（笠松）	実13.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 × 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 1.9% (オッズ暗示: 7.4%) ※ 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	サドルトウショウ	望月洵（愛知）	実2.4	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 騎手近50戦勝率 24% (好調) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 37.9% (オッズ暗示: 41.7%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 6 ノーチェ確定17.3倍期待値 +157% 推奨 8.7〜30.0倍 200円 🎯的中1着3,460円

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 名古屋競馬場ダート900m　発走 14:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リンクディエンド	望月洵（愛知）	実1.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率24%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 騎手近50戦勝率 24% (好調) △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 45.6% (オッズ暗示: 62.5%) ※ 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。
2	ノストラルーチェ	大畑雅（愛知）	実2.5	○詳細▼	人気馬、市場評価通りで上乗せなし
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 2 × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 24.2% (オッズ暗示: 40.0%) ※ 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	ディヴィナス推奨	大畑慧（愛知）	実20.8	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+94%の中穴候補（市場想定よりAI評価が高く妙味）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 🌟◎ 期待値 (オッズ vs AI勝率) +94% (市場が大幅過小評価) AI 予想勝率 9.4% (オッズ暗示: 4.8%) ※ 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。
4	コママイス	木之葵（愛知）	実27.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 🌟◎ 期待値 (オッズ vs AI勝率) +58% (市場が大幅過小評価) AI 予想勝率 5.8% (オッズ暗示: 3.6%) ※ 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。
5	ナガノアリス	渡邊竜（笠松）	実5.8	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 15.1% (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。

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. 市場込みモデル

単勝 3 ディヴィナス実20.8倍期待値 +98% 推奨 13.6〜30.0倍 100円 ❌不的中4着

B. 市場除外+キャリブ

単勝 3 ディヴィナス実20.8倍期待値 +310% 推奨 6.6〜30.0倍 300円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

5R 名古屋競馬場ダート1500m　発走 14:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ベアショット	深澤杏（笠松）	実157.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場32走で勝率3%と苦戦傾向／同距離帯は28走で勝ち無し）
前5走 05/08 名古屋1R 7着/10頭+1.4秒 04/24 名古屋4R 5着/12頭+1.0秒 04/13 名古屋4R 8着/10頭+1.6秒 03/26 名古屋10R 9着/11頭+3.9秒 03/12 名古屋6R 7着/10頭+1.2秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 32走で勝率 3% (苦戦) ▽ 距離適性同距離は 28走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +49% (妙味あり) AI 予想勝率 1.0% (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。
2	カムイパパイヤ	木之葵（愛知）	実60.0	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋2R 7着/10頭 05/07 名古屋12R 4着/10頭+0.7秒 04/24 名古屋3R 7着/12頭+2.4秒 04/13 名古屋4R 7着/10頭+1.6秒 03/26 名古屋10R 6着/11頭+2.4秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 41走で勝率 7% △ 距離適性同距離 34走で勝率 9% △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 2.1% (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。
3	レーヴエスポワール	大畑雅（愛知）	実155.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は35走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/22 名古屋8R 8着/11頭 04/24 名古屋4R 8着/12頭+2.3秒 03/27 名古屋6R 8着/9頭+2.3秒 02/13 名古屋12R 6着/11頭+1.6秒 01/30 名古屋7R 5着/12頭+2.2秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +64% (市場が大幅過小評価) AI 予想勝率 1.1% (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。
4	ノヴァエスペランサ	加藤聡（愛知）	実47.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／騎手は近50戦で勝率24%）
前5走 05/25 名古屋2R 10着/10頭+3.0秒 05/08 名古屋1R 6着/10頭+1.1秒 04/24 名古屋5R 7着/11頭+1.5秒 ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +179% (市場が大幅過小評価) AI 予想勝率 5.9% (オッズ暗示: 2.1%) ※ 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。
5	フォギーレーン	大畑慧（愛知）	実26.9	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場4走で勝率25%と適性高／直近3走で勝率33%と好調）
前5走 05/25 名古屋2R 5着/10頭 05/06 名古屋2R 1着/10頭勝利 04/09 名古屋6R 7着/11頭+1.1秒 03/27 名古屋2R 11着/12頭+3.0秒 03/02 川崎4R 10着/10頭+3.0秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) △ 距離適性同距離 19走で勝率 5% 🌟◎ 期待値 (オッズ vs AI勝率) +66% (市場が大幅過小評価) AI 予想勝率 6.2% (オッズ暗示: 3.7%) ※ 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	ドーバーファルコン	尾崎章（愛知）	実279.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は27走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/22 名古屋8R 11着/11頭+4.0秒 05/07 名古屋12R 10着/10頭+4.3秒 04/24 名古屋4R 11着/12頭+3.2秒 03/27 名古屋11R 8着/9頭+4.5秒 03/12 名古屋6R 10着/10頭+3.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 27走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +341% (市場が大幅過小評価) AI 予想勝率 1.6% (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。
7	セロリ	丹羽克（愛知）	実135.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 05/25 名古屋2R 9着/10頭 05/07 名古屋12R 5着/10頭+1.1秒 04/24 名古屋3R 12着/12頭+4.2秒 04/13 名古屋4R 9着/10頭+2.1秒 03/13 名古屋12R 10着/10頭+1.7秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 26走で勝率 12% 🌟◎ 期待値 (オッズ vs AI勝率) +215% (市場が大幅過小評価) AI 予想勝率 2.3% (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。
8	キタノレーニア	友森翔（愛知）	実43.8	▲詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 05/22 名古屋7R 2着/11頭+4.0秒 05/07 名古屋7R 10着/11頭+1.4秒 04/23 名古屋6R 5着/12頭+2.2秒 04/10 名古屋3R 3着/11頭+1.4秒 03/27 名古屋9R 7着/10頭+1.4秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 51走で勝率 10% △ 距離適性同距離 39走で勝率 13% ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +166% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 2.3%) ※ 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。
9	デザフィアドール	塚本征（愛知）	実12.2	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場19走で勝率0%と苦戦傾向／同距離帯は18走で勝ち無し／騎手は近50戦で勝率28%）
前5走 05/22 名古屋8R 4着/11頭 05/07 名古屋7R 5着/11頭+0.9秒 04/24 名古屋3R 11着/12頭+4.2秒 04/10 名古屋5R 11着/11頭+3.7秒 03/27 名古屋2R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 18走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +49% (妙味あり) AI 予想勝率 12.2% (オッズ暗示: 8.2%) ※ 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。
10	サーフギャラクシー	加藤誓（愛知）	実1.2	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場5走で勝率60%と適性高／同距離帯5走で勝率60%／直近3走で勝率67%と好調）
前5走 05/21 名古屋2R 1着/10頭 05/04 名古屋12R 1着/11頭勝利 11/21 名古屋2R 2着/12頭+0.1秒 11/07 名古屋6R 1着/12頭勝利 10/14 名古屋5R 5着/10頭+2.2秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 5走で勝率 60% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) × 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 36.6% (オッズ暗示: 83.3%) ※ 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。
11	ノイアーターク	丸山真（愛知）	実73.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場10走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/25 名古屋5R 8着/11頭 05/08 名古屋3R 7着/10頭+1.7秒 04/24 名古屋5R 10着/11頭+1.8秒 04/13 名古屋5R 8着/9頭+3.0秒 03/25 名古屋5R 6着/11頭+1.8秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 1.5% (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	バウアピアーズ	近藤颯（愛知）	実4.7	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯6走で勝率33%／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/06 名古屋3R 1着/11頭勝利 06/13 名古屋10R 6着/10頭+2.1秒 06/04 名古屋7R 7着/12頭+2.6秒 05/20 名古屋10R 10着/11頭+3.1秒 05/05 名古屋11R 10着/11頭+3.9秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 17走で勝率 12% ◎ 距離適性同距離 6走で勝率 33% ○ 馬場適性同馬場 4走で勝率 25% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 23.5% (オッズ暗示: 21.3%) ※ 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。

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）

6R 名古屋競馬場ダート1400m　発走 15:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	テーオーリップマン	望月洵（愛知）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/22 名古屋7R 1着/11頭 05/07 名古屋5R 2着/10頭+0.2秒 03/27 名古屋1R 3着/10頭+0.1秒 ― ―
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 26% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 33.6% (オッズ暗示: 38.5%) ※ 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。
2	グラスチアー	大畑慧（愛知）	実42.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場43走で勝率2%と苦戦傾向／同距離帯は43走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/25 名古屋6R 7着/10頭 05/08 名古屋8R 7着/11頭+0.9秒 04/24 名古屋9R 11着/12頭+2.9秒 04/13 名古屋10R 4着/11頭+1.0秒 03/27 名古屋5R 6着/9頭+1.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 43走で勝率 2% (苦戦) ▽ 距離適性同距離は 43走で勝ち無し △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 1.9% (オッズ暗示: 2.4%) ※ 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	ビーガール	尾崎章（愛知）	実117.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋3R 6着/9頭+2.0秒 05/08 名古屋2R 7着/11頭+1.0秒 04/24 名古屋7R 10着/12頭+3.5秒 04/13 名古屋8R 10着/11頭+2.6秒 03/26 名古屋12R 6着/11頭+0.6秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.7着 (不振) △ 当競馬場適性 75走で勝率 5% △ 距離適性同距離 57走で勝率 5% × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
4	カスミヅキ	渡邊竜（笠松）	実14.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/25 名古屋12R 3着/11頭 05/08 名古屋4R 3着/10頭+0.7秒 04/24 名古屋5R 4着/11頭+1.0秒 04/13 名古屋3R 2着/10頭+0.2秒 03/27 名古屋6R 6着/9頭+2.0秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 18走で勝率 11% △ 距離適性同距離 17走で勝率 12% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 7.3% (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。
5	ハイグッドエース	松本一（笠松）	実69.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/08 名古屋8R 8着/11頭+2.0秒 04/24 名古屋10R 4着/11頭+1.9秒 04/13 名古屋10R 6着/11頭+1.2秒 03/26 名古屋10R 5着/11頭+1.9秒 03/12 名古屋6R 4着/10頭+0.5秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 46走で勝率 7% △ 距離適性同距離 28走で勝率 11% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 1.1% (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。
6	セイウンピカイチ推奨	今井貴（愛知）	実9.1	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+34%の妙味（直近3走勝率33%と上り調子／前走2着で力を示す）
前5走 05/25 名古屋10R 2着/10頭+0.0秒 05/07 名古屋5R 1着/10頭勝利 04/23 名古屋4R 6着/12頭+0.9秒 03/26 名古屋4R 8着/12頭+1.4秒 03/12 名古屋1R 4着/11頭+0.8秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 10走で勝率 10% △ 距離適性同距離 10走で勝率 10% ○ 前走実績前走 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 14.7% (オッズ暗示: 11.0%) ※ 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	オールオンフリーク	木之葵（愛知）	実93.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調）
前5走 05/25 名古屋3R 8着/9頭 05/08 名古屋2R 11着/11頭+1.6秒 04/24 名古屋10R 5着/11頭+2.0秒 04/13 名古屋9R 8着/10頭+1.8秒 03/25 名古屋6R 10着/12頭+3.6秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 32走で勝率 12% △ 距離適性同距離 28走で勝率 11% 🌟◎ 期待値 (オッズ vs AI勝率) +143% (市場が大幅過小評価) AI 予想勝率 2.6% (オッズ暗示: 1.1%) ※ 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。
8	ヤモリアツマレ	丹羽克（愛知）	実30.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場72走で勝率3%と苦戦傾向／同距離帯は54走で勝ち無し）
前5走 05/25 名古屋12R 4着/11頭 05/08 名古屋3R 2着/10頭+0.0秒 04/24 名古屋6R 9着/12頭+2.6秒 04/13 名古屋4R 2着/10頭+0.3秒 03/27 名古屋2R 8着/12頭+1.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 72走で勝率 3% (苦戦) ▽ 距離適性同距離は 54走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +50% (市場が大幅過小評価) AI 予想勝率 4.9% (オッズ暗示: 3.2%) ※ 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	カワテンティアラ	加藤聡（愛知）	実1.9	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場13走で勝率31%と適性高／同距離帯8走で勝率38%／同馬場状態で勝率33%）
前5走 05/08 名古屋12R 2着/10頭+0.0秒 04/23 名古屋2R 1着/12頭勝利 04/08 名古屋7R 1着/11頭勝利 10/01 名古屋10R 9着/12頭+1.9秒 09/02 名古屋9R 3着/12頭+1.6秒
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 13走で勝率 31% (得意) ◎ 距離適性同距離 8走で勝率 38% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 28日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 25.1% (オッズ暗示: 52.6%) ※ 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。
10	ソブリンルーラー	山田祥（愛知）	実185.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向／直近3走平均9.0着と低調）
前5走 05/25 名古屋3R 7着/9頭+5.0秒 05/08 名古屋2R 8着/11頭+1.2秒 04/24 名古屋7R 12着/12頭+4.3秒 02/13 船橋7R 9着/12頭+1.5秒 01/21 船橋12R 12着/14頭+2.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) △ 距離適性同距離 15走で勝率 13% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 0.7% (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。
11	パリパリライズ	大原浩（笠松）	実133.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は11走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/25 名古屋6R 10着/10頭+5.0秒 05/08 名古屋8R 9着/11頭+2.4秒 04/13 名古屋10R 5着/11頭+1.0秒 03/25 名古屋11R 8着/12頭+3.0秒 02/26 名古屋12R 9着/11頭+3.9秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 11走で勝ち無し ▽ 前走実績前走 10着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 1.1% (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。
12	タベザカリ	大畑雅（愛知）	実12.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/25 名古屋6R 6着/10頭 05/08 名古屋10R 2着/10頭+0.1秒 04/24 名古屋8R 6着/11頭+2.2秒 03/26 名古屋9R 3着/11頭+1.9秒 03/13 名古屋4R 4着/10頭+1.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 18走で勝率 6% △ 距離適性同距離 18走で勝率 6% △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 6.3% (オッズ暗示: 8.1%) ※ 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。

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. 市場込みモデル

単勝 6 セイウンピカイチ実9.1倍期待値 +34% 推奨 8.8〜9.4倍 100円 ❌不的中2着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

7R 名古屋競馬場ダート1500m　発走 15:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サンライズプロミス	友森翔（愛知）	実26.4	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.7着と低調）
前5走 05/25 名古屋7R 8着/10頭 05/08 名古屋9R 9着/12頭+2.5秒 04/24 名古屋9R 12着/12頭+2.9秒 04/13 名古屋4R 1着/10頭勝利 03/26 名古屋6R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 17走で勝率 12% △ 距離適性同距離 15走で勝率 13% × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 2.3% (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。
2	ハクサンフラッシュ	大畑慧（愛知）	実64.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 05/25 名古屋7R 10着/10頭 05/05 名古屋1R 10着/11頭+1.5秒 04/08 名古屋10R 7着/11頭+1.6秒 03/09 名古屋9R 8着/9頭+3.6秒 02/26 名古屋12R 7着/11頭+2.2秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 42走で勝率 7% △ 距離適性同距離 28走で勝率 7% ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -24% (オッズ過剰評価) AI 予想勝率 1.2% (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	メリトーリアス	細川智（愛知）	実55.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場8走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/25 名古屋7R 7着/10頭 05/08 名古屋9R 10着/12頭+2.7秒 04/10 名古屋6R 7着/10頭+4.1秒 03/25 名古屋11R 7着/12頭+2.7秒 03/11 名古屋12R 7着/11頭+1.2秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +27% (市場と概ね一致) AI 予想勝率 2.3% (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。
4	ウェイキー	近藤颯（愛知）	実27.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場18走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 05/25 名古屋3R 4着/9頭+0.0秒 05/08 名古屋2R 5着/11頭+0.7秒 04/13 名古屋8R 9着/11頭+2.4秒 03/25 名古屋5R 8着/11頭+1.9秒 03/10 名古屋7R 7着/11頭+1.2秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 4.4% (オッズ暗示: 3.7%) ※ 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	ショウナンラフィネ推奨	木之葵（愛知）	実26.6	▲詳細▼	市場が大きく過小評価、AI予想勝率10% × オッズ26.6倍で期待値+172%の有力候補（市場想定よりAI評価が高く妙味）
前5走 05/25 名古屋9R 10着/10頭+0.0秒 05/08 名古屋9R 11着/12頭+2.9秒 04/24 名古屋12R 9着/12頭+1.9秒 04/08 名古屋10R 8着/11頭+1.7秒 03/23 名古屋8R 9着/12頭+1.5秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +172% (市場が大幅過小評価) AI 予想勝率 10.2% (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。
6	ブリージョドラード	大畑雅（愛知）	実22.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/25 名古屋3R 3着/9頭+1.0秒 05/08 名古屋2R 6着/11頭+0.9秒 04/24 名古屋7R 7着/12頭+1.9秒 04/13 名古屋8R 8着/11頭+2.2秒 03/26 名古屋10R 11着/11頭+5.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 31走で勝率 6% △ 距離適性同距離 34走で勝率 6% ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) AI 予想勝率 6.2% (オッズ暗示: 4.5%) ※ 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。
7	ヴィオレンツァ	塚本征（愛知）	実1.8	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は3走で勝ち無し／直近3走平均8.0着と低調／騎手は近50戦で勝率28%）
前5走 05/07 船橋9R 8着/12頭+1.7秒 03/12 船橋5R 7着/12頭+1.1秒 02/13 船橋5R 9着/12頭+2.5秒 11/28 浦和9R 4着/12頭+1.6秒 11/17 川崎7R 6着/12頭+1.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.0着 (不振) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 32.2% (オッズ暗示: 55.6%) ※ 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。
8	コスモコロネット	丹羽克（愛知）	実75.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場12走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 05/25 名古屋6R 8着/10頭 05/08 名古屋8R 6着/11頭+0.7秒 04/13 名古屋12R 9着/11頭+3.8秒 03/25 名古屋5R 11着/11頭+4.9秒 03/12 名古屋7R 6着/10頭+1.7秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
9	ミキノオーボエ	阪野学（愛知）	実40.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 05/25 名古屋7R 9着/10頭 05/08 名古屋9R 8着/12頭+2.4秒 04/10 名古屋6R 10着/10頭+5.3秒 03/25 名古屋6R 6着/12頭+1.9秒 03/11 名古屋8R 4着/11頭+2.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 23走で勝率 13% 🌟◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 4.1% (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。
10	エイシンナザレ	望月洵（愛知）	実7.6	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率0%と苦戦傾向／同距離帯7走で勝率29%／騎手は近50戦で勝率26%）
前5走 05/25 名古屋7R 6着/10頭 04/24 名古屋12R 10着/12頭+2.3秒 04/10 名古屋6R 6着/10頭+3.3秒 03/19 園田8R 8着/9頭+2.3秒 01/07 園田4R 3着/10頭+0.2秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ◎ 距離適性同距離 7走で勝率 29% ◎ 騎手近50戦勝率 26% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +73% (市場が大幅過小評価) AI 予想勝率 22.8% (オッズ暗示: 13.2%) ※ 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	ハクサンシャトル	今井貴（愛知）	実2.8	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場47走で勝率2%と苦戦傾向／同距離帯は44走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/08 名古屋1R 1着/10頭勝利 04/24 名古屋3R 5着/12頭+2.0秒 04/10 名古屋4R 2着/11頭+0.6秒 03/26 名古屋3R 2着/12頭+0.0秒 03/11 名古屋7R 8着/11頭+2.1秒
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 47走で勝率 2% (苦戦) ▽ 距離適性同距離は 44走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) × 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 12.6% (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。
12	リンノパルピート	丸山真（愛知）	実65.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場36走で勝率3%と苦戦傾向／同距離帯は21走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/25 名古屋6R 9着/10頭 05/08 名古屋8R 10着/11頭+2.5秒 04/24 名古屋7R 5着/12頭+1.7秒 04/13 名古屋8R 6着/11頭+1.6秒 03/26 名古屋10R 4着/11頭+1.4秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 36走で勝率 3% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。

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. 市場込みモデル

単勝 5 ショウナンラフィネ実26.6倍期待値 +172% 推奨 12.7〜30.0倍 100円 ❌不的中4着
馬連 7-10 実8.2倍期待値 +66% 200円 ❌不的中7番(5着)-10番(2着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

8R 名古屋競馬場ダート1700m　発走 16:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	フィナルフェリス	友森翔（愛知）	実49.1	×詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋6R 4着/10頭 05/08 名古屋9R 12着/12頭+3.8秒 04/13 名古屋9R 2着/10頭+0.4秒 03/27 名古屋9R 5着/10頭+1.3秒 03/13 名古屋9R 6着/10頭+1.3秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 15走で勝率 13% × 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 0.8% (オッズ暗示: 2.0%) ※ 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	ウォーオブサウンド	丸野勝（愛知）	実8.9	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/08 名古屋3R 1着/10頭勝利 04/24 名古屋3R 2着/12頭+0.6秒 04/13 名古屋3R 7着/10頭+0.8秒 03/27 名古屋2R 6着/12頭+0.5秒 03/12 名古屋3R 3着/11頭+0.5秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 24走で勝率 8% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 12.9% (オッズ暗示: 11.2%) ※ 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	ノーブルシャン推奨	今井貴（愛知）	実19.7	○詳細▼	市場が大きく過小評価、AI予想勝率12% × オッズ19.7倍で期待値+140%の有力候補（近5走で勝率20%と堅実／同距離帯で勝率20%／同馬場と相性良）
前5走 05/25 名古屋9R 7着/10頭+1.0秒 05/08 名古屋9R 5着/12頭+0.8秒 04/24 名古屋9R 7着/12頭+2.0秒 11/25 名古屋9R 1着/12頭勝利 11/13 名古屋12R 2着/11頭+0.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 14走で勝率 14% ○ 距離適性同距離 5走で勝率 20% ○ 馬場適性同馬場 5走で勝率 20% 🌟◎ 期待値 (オッズ vs AI勝率) +140% (市場が大幅過小評価) AI 予想勝率 12.2% (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。
4	ヴァルドグラース	木之葵（愛知）	実26.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し）
前5走 05/25 名古屋7R 4着/10頭 05/08 名古屋9R 6着/12頭+1.1秒 04/24 名古屋12R 6着/12頭+1.4秒 04/13 名古屋8R 3着/11頭+1.1秒 03/27 名古屋7R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 16走で勝率 6% ▽ 距離適性同距離は 3走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +59% (市場が大幅過小評価) AI 予想勝率 6.0% (オッズ暗示: 3.7%) ※ 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	テーオーニルソン	塚本征（愛知）	実9.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（騎手は近50戦で勝率28%）
前5走 05/25 名古屋9R 6着/10頭+0.0秒 05/07 名古屋8R 6着/10頭+1.2秒 04/24 名古屋10R 2着/11頭+0.5秒 04/13 名古屋9R 6着/10頭+1.5秒 03/27 名古屋5R 3着/9頭+0.9秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 17走で勝率 12% ○ 馬場適性同馬場 4走で勝率 25% ◎ 騎手近50戦勝率 28% (好調) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 10.5% (オッズ暗示: 10.1%) ※ 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。
6	エクメノポリス	丹羽克（愛知）	実27.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場12走で勝率25%と適性高／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/25 名古屋5R 1着/11頭 05/08 名古屋3R 5着/10頭+0.9秒 04/24 名古屋5R 11着/11頭+2.3秒 04/10 名古屋1R 1着/11頭勝利 03/25 名古屋3R 2着/11頭+1.0秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 3.7% (オッズ暗示: 3.6%) ※ 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	エドノバイオレット	近藤颯（愛知）	実24.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は8走で勝ち無し／前走2着）
前5走 05/25 名古屋3R 2着/9頭 05/08 名古屋2R 9着/11頭+1.5秒 04/24 名古屋8R 4着/11頭+1.7秒 04/13 名古屋9R 3着/10頭+0.5秒 03/27 名古屋11R 7着/9頭+3.2秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 65走で勝率 8% ▽ 距離適性同距離は 8走で勝ち無し ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +65% (市場が大幅過小評価) AI 予想勝率 6.9% (オッズ暗示: 4.2%) ※ 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	マサハヤヴァンス	渡邊竜（笠松）	実26.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は10走で勝ち無し）
前5走 05/07 名古屋8R 7着/10頭+1.3秒 04/24 名古屋12R 4着/12頭+0.7秒 04/10 名古屋6R 9着/10頭+5.2秒 03/26 名古屋10R 3着/11頭+1.3秒 03/12 名古屋6R 5着/10頭+0.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 34走で勝率 9% ▽ 距離適性同距離は 10走で勝ち無し △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 4.9% (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。
9	フークベルエ	丸山真（愛知）	実41.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場57走で勝率4%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/25 名古屋7R 5着/10頭+0.0秒 05/08 名古屋2R 3着/11頭+0.0秒 04/24 名古屋8R 3着/11頭+1.7秒 03/26 名古屋12R 11着/11頭+1.9秒 03/12 名古屋7R 9着/10頭+2.7秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 57走で勝率 4% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.4%) ※ 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	テルケンレンスター	望月洵（愛知）	実1.2	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（同距離帯は6走で勝ち無し／直近3走平均2.7着と安定／前走3着）
前5走 05/01 大井6R 3着/12頭+0.4秒 04/17 大井7R 3着/10頭+0.4秒 03/25 大井4R 2着/12頭+0.2秒 03/12 大井7R 4着/11頭+1.5秒 02/19 大井8R 5着/13頭+1.8秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.7着 (安定) ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 28% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 38.6% (オッズ暗示: 83.3%) ※ 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。
11	サンライズテソロ	加藤誓（愛知）	実99.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/22 名古屋9R 9着/10頭+7.0秒 05/07 名古屋8R 10着/10頭+2.2秒 04/24 名古屋12R 12着/12頭+4.2秒 04/10 名古屋7R 11着/11頭+4.0秒 03/24 名古屋7R 11着/12頭+3.6秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ 馬場適性同馬場 10走で勝率 20% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 1.0% (オッズ暗示: 1.0%) ※ 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。
12	インフォーマント	細川智（愛知）	実140.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は24走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/25 名古屋9R 9着/10頭 05/07 名古屋8R 9着/10頭+1.9秒 04/24 名古屋12R 7着/12頭+1.6秒 04/10 名古屋7R 7着/11頭+2.2秒 03/24 名古屋7R 7着/12頭+1.1秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 78走で勝率 5% ▽ 距離適性同距離は 24走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 0.6% (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。

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. 市場込みモデル

単勝 3 ノーブルシャン実19.7倍期待値 +140% 推奨 10.7〜30.0倍 100円 ❌不的中8着
3連複 2-3-10 実25.1倍期待値 +118% 100円 ❌不的中2番(6着)-3番(8着)-10番(1着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 名古屋競馬場ダート1500m　発走 16:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヤマカツライコウ	大畑慧（愛知）	実1.5	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場8走で勝率38%と適性高／同距離帯7走で勝率43%／同馬場状態で勝率50%）
前5走 05/22 名古屋5R 1着/10頭 05/05 名古屋6R 1着/12頭勝利 01/04 名古屋5R 4着/12頭+0.9秒 12/19 名古屋2R 1着/11頭勝利 12/04 名古屋9R 5着/12頭+0.7秒
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 8走で勝率 38% (得意) ◎ 距離適性同距離 7走で勝率 43% ◎ 馬場適性同馬場 4走で勝率 50% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -57% (大幅な期待値マイナス) AI 予想勝率 28.9% (オッズ暗示: 66.7%) ※ 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。
2	オイチノカタ	丸山真（愛知）	実40.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/21 名古屋5R 1着/10頭 05/06 名古屋10R 7着/11頭+1.9秒 04/09 名古屋12R 4着/12頭+1.4秒 03/27 名古屋4R 8着/12頭+3.1秒 03/13 名古屋3R 10着/10頭+3.9秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 5走で勝率 20% (相性良) △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +5% (市場と概ね一致) AI 予想勝率 2.6% (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。
3	イブシギン	柿原翔（愛知）	実17.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場79走で勝率4%と苦戦傾向／同距離帯は56走で勝ち無し）
前5走 05/25 名古屋5R 6着/11頭 05/08 名古屋1R 3着/10頭+0.6秒 04/13 名古屋3R 3着/10頭+0.4秒 03/27 名古屋5R 7着/9頭+2.0秒 03/13 名古屋8R 9着/10頭+1.9秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 79走で勝率 4% (苦戦) ▽ 距離適性同距離は 56走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 3.6% (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。
4	モランゴ	加藤聡（愛知）	実60.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調／騎手は近50戦で勝率24%）
前5走 05/08 名古屋12R 9着/10頭+2.1秒 07/09 名古屋4R 7着/12頭+1.8秒 ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) ◎ 騎手近50戦勝率 24% (好調) ○ ローテーション 28日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 2.3% (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。
5	セラヴィーナス	丸野勝（愛知）	実11.7	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率5%と苦戦傾向／同距離帯は21走で勝ち無し／同馬場状態で勝率33%）
前5走 05/25 名古屋5R 3着/11頭+0.0秒 05/06 名古屋10R 1着/11頭勝利 04/23 名古屋2R 8着/12頭+1.1秒 04/09 名古屋4R 2着/11頭+0.0秒 03/26 名古屋1R 4着/11頭+1.3秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 22走で勝率 5% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 11.7% (オッズ暗示: 8.5%) ※ 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。
6	シャイニングウェイ	阪野学（愛知）	実38.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋10R 10着/10頭 05/08 名古屋4R 4着/10頭+0.9秒 04/24 名古屋6R 6着/12頭+1.7秒 04/13 名古屋6R 8着/10頭+1.6秒 03/27 名古屋6R 9着/9頭+2.3秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 37走で勝率 8% △ 距離適性同距離 31走で勝率 10% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.6%) ※ 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	ラビオンアスール	近藤颯（愛知）	実7.2	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場56走で勝率2%と苦戦傾向／同距離帯は38走で勝ち無し）
前5走 05/25 名古屋8R 6着/10頭+0.0秒 05/07 名古屋12R 2着/10頭+0.3秒 04/23 名古屋6R 3着/12頭+1.4秒 04/10 名古屋5R 4着/11頭+0.3秒 03/27 名古屋9R 8着/10頭+1.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 56走で勝率 2% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) × 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 5.3% (オッズ暗示: 13.9%) ※ 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。
8	ロッキーブレイヴ	今井貴（愛知）	実26.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場27走で勝率4%と苦戦傾向）
前5走 05/25 名古屋10R 7着/10頭 05/08 名古屋1R 2着/10頭+0.4秒 04/24 名古屋5R 8着/11頭+1.5秒 12/04 名古屋10R 10着/12頭+2.4秒 11/07 名古屋12R 9着/12頭+1.3秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 27走で勝率 4% (苦戦) △ 距離適性同距離 18走で勝率 6% △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 4.9% (オッズ暗示: 3.7%) ※ 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。
9	ホウオウエニシ	細川智（愛知）	実77.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 05/25 名古屋10R 9着/10頭+3.0秒 05/08 名古屋10R 10着/10頭+3.1秒 04/24 名古屋8R 7着/11頭+2.5秒 02/27 名古屋10R 10着/11頭+4.0秒 01/28 名古屋9R 8着/10頭+2.3秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 18走で勝率 11% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 1.3% (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。
10	サスペンスクィーン推奨	塚本征（愛知）	実6.4	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+66%の中穴候補（直近3走勝率33%と上り調子／当競馬場3走で勝率33%と適性高／前走勝利の勢い継続）
前5走 05/22 名古屋4R 1着/10頭 05/06 名古屋10R 6着/11頭+0.7秒 04/22 名古屋8R 2着/11頭+0.2秒 03/26 園田3R 8着/10頭+2.0秒 12/29 園田2R 8着/10頭+1.1秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) △ 距離適性同距離 16走で勝率 6% ◎ 騎手近50戦勝率 28% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +66% (市場が大幅過小評価) AI 予想勝率 26.0% (オッズ暗示: 15.6%) ※ 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。
11	ハーピークオーレ	渡邊竜（笠松）	実37.9	▲詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 05/25 名古屋8R 4着/10頭+1.0秒 05/08 名古屋4R 10着/10頭+3.2秒 04/24 名古屋6R 12着/12頭+3.6秒 04/13 名古屋6R 5着/10頭+1.0秒 03/25 名古屋5R 10着/11頭+4.4秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 38走で勝率 5% △ 距離適性同距離 28走で勝率 7% 🌟◎ 期待値 (オッズ vs AI勝率) +312% (市場が大幅過小評価) AI 予想勝率 10.9% (オッズ暗示: 2.6%) ※ 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。
12	エストレリータ	大原浩（笠松）	実116.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.7着と低調）
前5走 05/25 名古屋5R 11着/11頭 05/08 名古屋3R 8着/10頭+1.7秒 04/24 名古屋6R 10着/12頭+3.2秒 04/13 名古屋5R 7着/9頭+2.7秒 03/26 名古屋10R 10着/11頭+4.6秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.7着 (不振) △ 当競馬場適性 78走で勝率 5% △ 距離適性同距離 58走で勝率 7% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +0% (市場と概ね一致) AI 予想勝率 0.9% (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。

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. 市場込みモデル

単勝 10 サスペンスクィーン実6.4倍期待値 +66% 推奨 5.0〜8.2倍 300円 ❌不的中10着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 名古屋競馬場ダート1700m　発走 17:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マルクパージュ	丸山真（愛知）	実96.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/25 名古屋12R 11着/11頭+3.0秒 05/08 名古屋12R 10着/10頭+2.5秒 04/13 名古屋10R 11着/11頭+2.7秒 03/25 名古屋6R 11着/12頭+4.8秒 03/11 名古屋12R 6着/11頭+1.0秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.7着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 0.9% (オッズ暗示: 1.0%) ※ 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	ゴッドテソロ	深澤杏（笠松）	実55.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/08 名古屋10R 7着/10頭+2.6秒 04/24 名古屋10R 9着/11頭+2.6秒 03/27 名古屋5R 9着/9頭+2.9秒 03/13 名古屋9R 5着/10頭+1.3秒 03/02 名古屋10R 3着/11頭+0.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 1.7% (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。
3	クインズモンブラン	加藤聡（愛知）	実5.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場5走で勝率40%と適性高／直近3走で勝率33%と好調／騎手は近50戦で勝率24%）
前5走 05/25 名古屋10R 5着/10頭 04/10 名古屋4R 3着/11頭+1.0秒 03/25 名古屋1R 1着/11頭勝利 03/10 名古屋9R 3着/10頭+0.5秒 01/01 名古屋8R 1着/12頭勝利
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 騎手近50戦勝率 24% (好調) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 9.9% (オッズ暗示: 16.9%) ※ 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。
4	ミヤイグアス	渡邊竜（笠松）	実32.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%）
前5走 05/25 名古屋12R 9着/11頭 05/08 名古屋10R 4着/10頭+1.2秒 04/24 名古屋8R 9着/11頭+2.9秒 04/10 名古屋4R 1着/11頭勝利 03/27 名古屋2R 5着/12頭+0.4秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.3着 (不振) ○ 当競馬場適性 20走で勝率 15% (相性良) ◎ 馬場適性同馬場 3走で勝率 33% △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 2.6% (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。
5	グラスビジョン	大畑慧（愛知）	実1.8	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率100%と好調／前走勝利の勢い／353日ぶりの実戦）
前5走 06/17 川崎7R 1着/12頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 5 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 353日休養明け × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 31.4% (オッズ暗示: 55.6%) ※ 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	フォードスピリット	塚本征（愛知）	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率67%と好調／前走勝利の勢い／171日ぶりの実戦）
前5走 12/16 園田3R 1着/10頭勝利 11/20 園田1R 1着/10頭勝利 10/29 園田4R 5着/10頭+1.5秒 10/10 園田1R 4着/12頭+0.7秒 06/11 園田9R 8着/10頭+1.8秒
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 騎手近50戦勝率 26% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 171日休養明け ◎ 期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 27.5% (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。
7	カズナリ	丹羽克（愛知）	実12.6	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着）
前5走 05/25 名古屋8R 3着/10頭+0.0秒 04/24 名古屋6R 4着/12頭+0.9秒 04/13 名古屋6R 7着/10頭+1.3秒 03/26 名古屋3R 1着/12頭勝利 03/11 名古屋6R 4着/11頭+0.9秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 10走で勝率 20% (相性良) ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 8.0% (オッズ暗示: 7.9%) ※ 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。
8	ゴーゴーゴウト	望月洵（愛知）	実16.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（騎手は近50戦で勝率30%）
前5走 05/25 名古屋10R 8着/10頭 05/08 名古屋4R 2着/10頭+0.3秒 04/24 名古屋6R 8着/12頭+2.2秒 04/10 名古屋3R 1着/11頭勝利 03/27 名古屋7R 8着/10頭+3.1秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 11走で勝率 9% ◎ 騎手近50戦勝率 30% (好調) △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 6.0% (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。
9	サンタマルティナ	細川智（愛知）	実26.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場8走で勝率0%と苦戦傾向／同距離帯は12走で勝ち無し）
前5走 05/25 名古屋10R 6着/10頭 05/07 名古屋7R 3着/11頭+0.7秒 04/23 名古屋3R 2着/12頭+0.1秒 04/13 名古屋7R 8着/10頭+2.1秒 03/27 名古屋7R 3着/10頭+0.2秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 3.2% (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。
10	カゼノヨウニ	加藤誓（愛知）	実70.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調）
前5走 05/25 名古屋12R 10着/11頭 05/07 名古屋6R 1着/11頭勝利 04/23 名古屋6R 8着/12頭+2.5秒 04/10 名古屋4R 7着/11頭+1.7秒 03/27 名古屋3R 5着/11頭+2.2秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 12走で勝率 8% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
11	アショカ	丸野勝（愛知）	実15.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/08 名古屋10R 6着/10頭+1.4秒 04/24 名古屋6R 3着/12頭+0.3秒 03/27 名古屋11R 4着/9頭+1.4秒 07/25 浦和9R 7着/8頭+2.3秒 05/05 船橋8R 6着/14頭+2.9秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 馬場適性同馬場 4走で勝率 25% ○ ローテーション 28日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 5.0% (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。
12	アミアン	大原浩（笠松）	実37.9	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋12R 6着/11頭+0.0秒 05/08 名古屋12R 8着/10頭+1.0秒 04/24 名古屋10R 7着/11頭+2.1秒 04/13 名古屋10R 10着/11頭+2.3秒 03/25 名古屋11R 11着/12頭+3.9秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 28走で勝率 14% ○ 距離適性同距離 6走で勝率 17% △ 期待値 (オッズ vs AI勝率) +2% (市場と概ね一致) AI 予想勝率 2.7% (オッズ暗示: 2.6%) ※ 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。

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. 市場込みモデル

このモデルは本レース見送り判定（期待値プラスなし）

B. 市場除外+キャリブ

単勝 8 ゴーゴーゴウト実16.7倍期待値 +94% 推奨 11.1〜25.0倍 100円 ❌不的中12着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

11R 名古屋競馬場ダート2000m　発走 17:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ラジカルバローズ推奨	塚本征（愛知）	実17.9	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+95%の中穴候補（近5走で勝率20%と堅実／当競馬場24走で勝率29%と適性高／同距離帯で勝率38%と得意）
前5走 05/25 名古屋11R 4着/12頭 05/04 名古屋8R 4着/9頭+1.8秒 12/24 名古屋10R 8着/9頭+1.9秒 11/13 名古屋11R 3着/11頭+1.2秒 10/03 名古屋11R 1着/12頭勝利
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 24走で勝率 29% (得意) ◎ 距離適性同距離 8走で勝率 38% ◎ 騎手近50戦勝率 24% (好調) 🌟◎ 期待値 (オッズ vs AI勝率) +95% (市場が大幅過小評価) AI 予想勝率 10.9% (オッズ暗示: 5.6%) ※ 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。
2	アルファヒディ	望月洵（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率43%と適性高／同距離帯3走で勝率67%／同馬場状態で勝率33%）
前5走 05/25 名古屋11R 5着/12頭 03/27 名古屋8R 2着/12頭+0.3秒 03/13 名古屋11R 2着/8頭+0.1秒 02/13 名古屋10R 3着/10頭+0.2秒 01/19 名古屋12R 1着/5頭勝利
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 3.0着 (安定) ◎ 当競馬場適性 7走で勝率 43% (得意) ◎ 距離適性同距離 3走で勝率 67% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -82% (大幅な期待値マイナス) AI 予想勝率 10.1% ※ 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。
3	キャッシュブリッツ	渡邊竜（笠松）	実45.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／127日ぶりの実戦）
前5走 01/29 名古屋11R 8着/12頭+1.0秒 09/19 名古屋11R 2着/12頭+0.3秒 05/29 名古屋11R 2着/12頭+0.2秒 05/03 名古屋11R 3着/12頭+2.0秒 02/15 名古屋11R 5着/12頭+1.5秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 127日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +79% (市場が大幅過小評価) AI 予想勝率 3.9% (オッズ暗示: 2.2%) ※ 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	オオタニズスマイル	近藤颯（愛知）	実224.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/25 名古屋11R 7着/12頭+0.0秒 05/04 名古屋8R 9着/9頭+5.2秒 04/07 名古屋7R 5着/5頭+3.7秒 03/27 名古屋10R 7着/9頭+1.9秒 03/13 名古屋11R 4着/8頭+0.6秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 7.0着 (不振) ○ 当競馬場適性 35走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 馬場適性同馬場 10走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +437% (市場が大幅過小評価) AI 予想勝率 2.4% (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。
5	リュウノドラゴン	大畑雅（愛知）	実62.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/07 名古屋11R 1着/10頭勝利 04/24 名古屋11R 5着/10頭+1.1秒 04/13 名古屋11R 4着/10頭+1.3秒 03/27 名古屋10R 4着/9頭+0.4秒 03/11 名古屋9R 3着/11頭+1.1秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 8走で勝率 12% ▽ 距離適性同距離は 3走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) 🌟◎ 期待値 (オッズ vs AI勝率) +149% (市場が大幅過小評価) AI 予想勝率 4.0% (オッズ暗示: 1.6%) ※ 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	メイショウタイセツ	今井貴（愛知）	実1.0	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場19走で勝率79%と適性高／同距離帯4走で勝率50%／直近3走で勝率33%と好調）
前5走 05/04 名古屋11R 6着/12頭+1.3秒 04/07 名古屋10R 1着/11頭勝利 02/23 名古屋7R 10着/12頭+2.1秒 01/29 名古屋11R 1着/12頭勝利 01/05 名古屋7R 1着/12頭勝利
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 19走で勝率 79% (得意) ◎ 距離適性同距離 4走で勝率 50% × 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 31.6% (オッズ暗示: 100.0%) ※ 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	スイッチブレード	大畑慧（愛知）	実37.1	○詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯9走で勝率33%／同馬場状態で勝率43%／前走2着）
前5走 05/25 名古屋11R 2着/12頭+0.0秒 05/08 名古屋11R 7着/10頭+1.9秒 04/24 名古屋11R 8着/10頭+1.5秒 04/07 名古屋7R 2着/5頭+1.1秒 03/24 名古屋10R 1着/12頭勝利
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 27走で勝率 19% (相性良) ◎ 距離適性同距離 9走で勝率 33% ◎ 馬場適性同馬場 7走で勝率 43% ○ 騎手近50戦勝率 14% ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +400% (市場が大幅過小評価) AI 予想勝率 13.5% (オッズ暗示: 2.7%) ※ 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。
8	ゴールドギア	木之葵（愛知）	実134.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/04 名古屋11R 12着/12頭+4.0秒 04/07 名古屋10R 5着/11頭+1.0秒 02/13 名古屋10R 2着/10頭+0.0秒 05/06 名古屋11R 10着/12頭+5.6秒 02/13 名古屋11R 5着/10頭+0.8秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ▽ 前走実績前走 12着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +177% (市場が大幅過小評価) AI 予想勝率 2.1% (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。
9	エバーシンス	細川智（愛知）	実42.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は3走で勝ち無し／直近3走平均3.0着と安定）
前5走 05/21 名古屋11R 5着/10頭 05/08 名古屋11R 2着/10頭+0.9秒 04/24 名古屋11R 2着/10頭+0.8秒 04/08 名古屋11R 2着/10頭+0.0秒 12/05 名古屋11R 6着/12頭+1.6秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 25走で勝率 8% ▽ 距離適性同距離は 3走で勝ち無し ○ 馬場適性同馬場 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +135% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.4%) ※ 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	エルナーニ	丸野勝（愛知）	実16.1	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場22走で勝率32%と適性高／同距離帯10走で勝率30%／同馬場状態で勝率80%）
前5走 05/04 名古屋11R 8着/12頭+1.9秒 03/27 名古屋10R 1着/9頭勝利 02/13 名古屋10R 1着/10頭勝利 01/19 名古屋12R 3着/5頭+0.5秒 12/24 名古屋11R 2着/8頭+0.0秒
AI 評価の内訳 — 馬番 10 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 22走で勝率 32% (得意) ◎ 距離適性同距離 10走で勝率 30% ◎ 馬場適性同馬場 5走で勝率 80% 🌟◎ 期待値 (オッズ vs AI勝率) +103% (市場が大幅過小評価) AI 予想勝率 12.7% (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。
11	フレスコバルディ	丹羽克（愛知）	実385.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場32走で勝率25%と適性高／同距離帯は3走で勝ち無し）
前5走 05/25 名古屋11R 6着/12頭+1.0秒 05/04 名古屋8R 7着/9頭+3.1秒 04/07 名古屋7R 3着/5頭+1.8秒 02/27 名古屋11R 1着/12頭勝利 02/12 名古屋11R 2着/12頭+0.5秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.3着 ◎ 当競馬場適性 32走で勝率 25% (得意) ▽ 距離適性同距離は 3走で勝ち無し ○ 馬場適性同馬場 5走で勝率 20% 🌟◎ 期待値 (オッズ vs AI勝率) +304% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.3%) ※ 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。
12	コヴィーニャ	加藤聡（愛知）	実197.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場24走で勝率33%と適性高／同距離帯は3走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/25 名古屋11R 10着/12頭+3.0秒 01/29 名古屋11R 11着/12頭+1.9秒 12/05 名古屋11R 5着/12頭+1.5秒 11/25 名古屋10R 2着/12頭+0.3秒 10/31 名古屋11R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 8.7着 (不振) ◎ 当競馬場適性 24走で勝率 33% (得意) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 24% (好調) ▽ 前走実績前走 10着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +349% (市場が大幅過小評価) AI 予想勝率 2.3% (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。

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. 市場込みモデル

単勝 1 ラジカルバローズ実17.9倍期待値 +116% 推奨 10.7〜29.8倍 100円 ❌不的中4着

B. 市場除外+キャリブ

単勝 2 アルファヒディ実22.2倍期待値 +122% 推奨 13.0〜30.0倍 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 名古屋競馬場ダート1500m　発走 18:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ルナフェイズ	塚本征（愛知）	実3.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走3着／騎手は近50戦で勝率24%）
前5走 05/22 名古屋8R 3着/11頭 04/22 名古屋8R 1着/11頭勝利 04/09 名古屋4R 6着/11頭+0.8秒 03/23 名古屋7R 1着/11頭勝利 12/19 名古屋1R 3着/12頭+0.3秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 12走で勝率 17% (相性良) ○ 距離適性同距離 12走で勝率 17% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 29.6% (オッズ暗示: 27.0%) ※ 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	スターロード	大畑雅（愛知）	実69.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は51走で勝ち無し）
前5走 05/25 名古屋8R 5着/10頭 05/08 名古屋4R 8着/10頭+1.9秒 04/24 名古屋8R 8着/11頭+2.5秒 04/13 名古屋7R 9着/10頭+2.1秒 03/25 名古屋5R 7着/11頭+1.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 73走で勝率 5% ▽ 距離適性同距離は 51走で勝ち無し △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 1.4% (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。
3	フルオブエナジー	望月洵（愛知）	実6.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／騎手は近50戦で勝率28%）
前5走 05/25 名古屋12R 8着/11頭+0.0秒 05/08 名古屋12R 4着/10頭+0.4秒 04/23 名古屋3R 1着/12頭勝利 04/10 名古屋1R 3着/11頭+0.2秒 03/26 名古屋4R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 9走で勝率 11% △ 距離適性同距離 8走で勝率 12% ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 9.2% (オッズ暗示: 15.4%) ※ 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	ターミバレンシア	近藤颯（愛知）	実24.3	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.3着と低調）
前5走 05/25 名古屋5R 7着/11頭 05/08 名古屋3R 10着/10頭+2.0秒 11/25 名古屋9R 11着/12頭+3.7秒 11/13 名古屋6R 1着/11頭勝利 10/17 名古屋8R 12着/12頭+4.0秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.3着 (不振) △ 当競馬場適性 58走で勝率 7% △ 距離適性同距離 37走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) × 期待値 (オッズ vs AI勝率) -64% (大幅な期待値マイナス) AI 予想勝率 1.5% (オッズ暗示: 4.1%) ※ 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。
5	スムースオペレター	大畑慧（愛知）	実15.3	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯10走で勝率30%）
前5走 05/25 名古屋5R 9着/11頭+1.0秒 05/07 名古屋7R 2着/11頭+0.5秒 04/23 名古屋4R 2着/12頭+0.1秒 04/13 名古屋7R 5着/10頭+1.0秒 03/27 名古屋7R 6着/10頭+0.8秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 ○ 当競馬場適性 18走で勝率 17% (相性良) ◎ 距離適性同距離 10走で勝率 30% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 6.3% (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。
6	ウィッティングハム	木之葵（愛知）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（前走2着）
前5走 05/25 名古屋5R 2着/11頭 05/08 名古屋3R 4着/10頭+0.2秒 04/24 名古屋5R 6着/11頭+1.5秒 04/13 名古屋4R 3着/10頭+0.4秒 03/27 名古屋2R 9着/12頭+1.7秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 18走で勝率 11% △ 距離適性同距離 18走で勝率 11% ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 16.7% (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。
7	シャイニーセーラー	加藤聡（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走2着／騎手は近50戦で勝率24%）
前5走 05/22 名古屋6R 2着/9頭+3.0秒 05/07 名古屋5R 4着/10頭+0.4秒 04/23 名古屋4R 8着/12頭+2.4秒 04/10 名古屋3R 8着/11頭+2.8秒 03/26 名古屋1R 2着/11頭+1.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 17走で勝率 6% ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 7.3% ※ 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	ウインティターニア	渡邊竜（笠松）	実12.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 05/25 名古屋2R 2着/10頭+2.0秒 05/08 名古屋1R 10着/10頭+2.1秒 04/24 名古屋4R 6着/12頭+1.5秒 04/09 名古屋6R 1着/11頭勝利 03/24 名古屋4R 1着/11頭勝利
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 28走で勝率 7% △ 距離適性同距離 28走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -16% (オッズ過剰評価) AI 予想勝率 6.6% (オッズ暗示: 7.9%) ※ 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。
9	キャンディタフト	加藤利（愛知）	実19.6	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/25 名古屋2R 4着/10頭 05/08 名古屋1R 5着/10頭+0.8秒 04/13 名古屋3R 4着/10頭+0.5秒 03/26 名古屋9R 7着/11頭+3.9秒 03/13 名古屋3R 2着/10頭+0.0秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 39走で勝率 5% △ 距離適性同距離 33走で勝率 6% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 1.3% (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	ファルコナーラ	細川智（愛知）	実4.4	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調）
前5走 05/25 名古屋5R 5着/11頭 04/23 名古屋1R 1着/11頭勝利 04/09 名古屋4R 3着/11頭+0.0秒 03/12 名古屋2R 11着/11頭+3.7秒 02/27 名古屋3R 5着/11頭+0.8秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 2% (やや苦戦) × 期待値 (オッズ vs AI勝率) -46% (大幅な期待値マイナス) AI 予想勝率 12.2% (オッズ暗示: 22.7%) ※ 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。
11	フーダオラ	丹羽克（愛知）	実21.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均3.0着と安定／前走3着）
前5走 05/22 名古屋7R 3着/11頭 05/07 名古屋4R 2着/9頭+0.4秒 04/23 名古屋2R 4着/12頭+0.7秒 04/10 名古屋2R 7着/10頭+1.9秒 03/24 名古屋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子平均 3.0着 (安定) ○ 当競馬場適性 6走で勝率 17% (相性良) △ 距離適性同距離 19走で勝率 5% ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 4.0% (オッズ暗示: 4.7%) ※ 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。
12	ローズドゥレッシュ	今井貴（愛知）	実14.8	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場41走で勝率2%と苦戦傾向／同距離帯は39走で勝ち無し／前走3着）
前5走 05/25 名古屋2R 3着/10頭+0.0秒 05/08 名古屋3R 6着/10頭+1.1秒 04/24 名古屋4R 3着/12頭+0.8秒 04/13 名古屋3R 5着/10頭+0.5秒 03/27 名古屋2R 4着/12頭+0.4秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 41走で勝率 2% (苦戦) ▽ 距離適性同距離は 39走で勝ち無し ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 6.8%) ※ 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。

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）

1R 園田競馬場ダート1230m　発走 14:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	チーフインザスカイ	竹村達（兵庫）	実25.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場42走で勝率5%と苦戦傾向／前走2着）
前5走 05/22 園田5R 2着/9頭+3.0秒 04/30 園田9R 7着/10頭+1.6秒 04/14 園田5R 11着/12頭+2.6秒 03/31 園田5R 6着/11頭+0.9秒 03/18 園田7R 8着/10頭+1.7秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 42走で勝率 5% (苦戦) △ 距離適性同距離 15走で勝率 7% △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 3.4% (オッズ暗示: 3.9%) ※ 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。
2	アコーダンス	下原理（兵庫）	実9.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走平均3.0着と安定）
前5走 05/14 園田8R 4着/9頭+0.3秒 04/23 園田2R 3着/10頭+0.6秒 04/02 園田6R 2着/9頭+0.1秒 03/18 園田1R 3着/10頭+0.4秒 01/03 園田5R 4着/12頭+0.4秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 27走で勝率 11% ○ 距離適性同距離 9走で勝率 22% ○ 騎手近50戦勝率 18% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 10.3% (オッズ暗示: 10.1%) ※ 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。
3	クレイジーホース	高畑皓（兵庫）	実336.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／直近3走平均8.7着と低調）
前5走 05/20 園田7R 10着/10頭+2.0秒 05/04 園田9R 6着/7頭+2.1秒 04/22 園田1R 10着/12頭+1.2秒 04/08 園田4R 8着/10頭+1.5秒 03/17 浦和4R 4着/10頭+0.7秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +247% (市場が大幅過小評価) AI 予想勝率 1.0% (オッズ暗示: 0.3%) ※ 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	ブルーディザイア	土方颯（兵庫）	実142.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場22走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/15 園田2R 4着/10頭+1.0秒 04/23 園田3R 6着/11頭+1.5秒 03/31 園田3R 7着/12頭+1.0秒 07/17 園田3R 8着/11頭+1.0秒 06/27 園田4R 2着/10頭+0.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +145% (市場が大幅過小評価) AI 予想勝率 1.7% (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。
5	ゴールデンスキーム	田野豊（兵庫）	実2.3	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均3.0着と安定）
前5走 05/22 園田5R 5着/9頭 01/14 園田5R 2着/12頭+0.3秒 12/16 園田6R 2着/12頭+0.2秒 11/26 園田12R 8着/10頭+1.9秒 03/21 浦和6R 12着/12頭+3.2秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子平均 3.0着 (安定) × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -54% (大幅な期待値マイナス) AI 予想勝率 20.0% (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。
6	セイウンダキシメテ	塩津璃（兵庫）	実272.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場16走で勝率0%と苦戦傾向）
前5走 05/22 園田2R 6着/10頭 05/04 園田3R 8着/8頭+3.2秒 04/28 園田7R 8着/10頭+3.4秒 04/15 園田8R 8着/10頭+2.6秒 03/31 園田9R 7着/9頭+1.5秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 16走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +374% (市場が大幅過小評価) AI 予想勝率 1.7% (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。
7	テルモピュライ推奨	南部楓（兵庫）	実8.6	🌟◎詳細▼	市場が大きく過小評価、AI予想勝率23% × オッズ8.6倍で期待値+101%の有力候補（直近3走平均2.7着と安定／前走2着で力を示す／適度な間隔で状態万全）
前5走 05/20 園田7R 2着/10頭+0.0秒 05/05 園田3R 3着/10頭+1.1秒 04/16 園田4R 3着/10頭+0.9秒 04/02 園田6R 4着/9頭+0.3秒 03/17 園田2R 3着/10頭+0.6秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子平均 2.7着 (安定) × 当競馬場適性 7走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +101% (市場が大幅過小評価) AI 予想勝率 23.4% (オッズ暗示: 11.6%) ※ 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。
8	ガンバルフトシ	永井孝（兵庫）	実13.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 園田5R 4着/9頭 05/07 園田5R 4着/12頭+1.1秒 04/30 園田4R 7着/11頭+1.3秒 01/14 園田5R 5着/12頭+0.7秒 12/31 園田5R 2着/12頭+0.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 20走で勝率 15% (相性良) ○ 距離適性同距離 14走で勝率 21% ○ 馬場適性同馬場 4走で勝率 25% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 4.4% (オッズ暗示: 7.5%) ※ 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。
9	ペイシャメダリスト	佐々世（兵庫）	実11.9	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率0%と苦戦傾向／前走2着）
前5走 05/22 園田2R 2着/10頭 05/06 園田5R 8着/10頭+1.5秒 01/02 園田8R 7着/12頭+2.5秒 ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +62% (市場が大幅過小評価) AI 予想勝率 13.7% (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。
10	キャスパインパクト	川原正（兵庫）	実182.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/22 園田5R 8着/9頭+7.0秒 05/07 園田5R 5着/12頭+1.2秒 04/21 園田5R 5着/12頭+1.1秒 04/02 園田7R 8着/9頭+3.0秒 ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 4走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +165% (市場が大幅過小評価) AI 予想勝率 1.5% (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。
11	ワキノアリエス	小牧太（兵庫）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場11走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し／騎手は近50戦で勝率30%）
前5走 05/15 園田6R 4着/9頭+1.1秒 04/30 園田4R 4着/11頭+0.8秒 04/15 園田3R 4着/10頭+1.6秒 03/26 園田6R 2着/10頭+0.2秒 11/20 園田5R 3着/12頭+1.3秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ◎ 騎手近50戦勝率 30% (好調) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -89% (大幅な期待値マイナス) AI 予想勝率 6.6% ※ 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。
12	バチェロレックス	吉村智（兵庫）	実2.5	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場19走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／直近3走平均2.3着と安定）
前5走 05/22 園田5R 3着/9頭+0.0秒 04/21 園田5R 2着/12頭+0.6秒 04/08 園田1R 2着/9頭+0.0秒 03/24 園田1R 2着/10頭+0.6秒 06/20 園田1R 7着/12頭+1.1秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子平均 2.3着 (安定) × 当競馬場適性 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し ◎ 騎手近50戦勝率 44% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 12.3% (オッズ暗示: 40.0%) ※ 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。

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. 市場込みモデル

単勝 7 テルモピュライ実8.6倍期待値 +101% 推奨 5.6〜13.3倍 300円 ❌不的中7着
3連複 5-7-9 実33.2倍期待値 +156% 100円 ❌不的中5番(2着)-7番(7着)-9番(5着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

2R 園田競馬場ダート1400m　発走 14:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ホウオウシックス	土方颯（兵庫）	実67.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 園田5R 10着/12頭 04/16 園田1R 6着/10頭+1.1秒 04/02 園田1R 6着/8頭+2.0秒 03/19 園田1R 8着/9頭+4.2秒 01/08 園田4R 2着/10頭+0.7秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 59走で勝率 5% △ 距離適性同距離 44走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 1.3% (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。
2	トランセンデンタル	田野豊（兵庫）	実7.8	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場26走で勝率0%と苦戦傾向／同距離帯は25走で勝ち無し）
前5走 05/20 園田1R 7着/7頭+0.0秒 04/30 園田1R 2着/9頭+2.1秒 04/15 園田1R 8着/10頭+2.0秒 03/31 園田1R 8着/10頭+1.4秒 03/17 園田1R 3着/10頭+1.1秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 25走で勝ち無し ○ ローテーション 16日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -45% (大幅な期待値マイナス) AI 予想勝率 7.0% (オッズ暗示: 12.8%) ※ 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。
3	リスノワール	高畑皓（兵庫）	実72.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場40走で勝率0%と苦戦傾向／同距離帯は43走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/22 園田5R 9着/9頭 05/06 園田2R 8着/10頭+2.4秒 04/23 園田1R 10着/10頭+2.8秒 04/02 園田2R 8着/8頭+2.8秒 03/19 園田2R 7着/10頭+1.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.0着 (不振) × 当競馬場適性 40走で勝率 0% (苦戦) ▽ 距離適性同距離は 43走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +48% (妙味あり) AI 予想勝率 2.1% (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。
4	メイショウヨウホウ	長尾翼（兵庫）	実2.9	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場54走で勝率2%と苦戦傾向／同距離帯は39走で勝ち無し／前走3着）
前5走 05/22 園田1R 3着/10頭 05/05 園田2R 6着/10頭+2.8秒 04/21 園田4R 7着/10頭+1.3秒 04/01 園田6R 6着/10頭+1.2秒 03/19 園田2R 2着/10頭+0.1秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 54走で勝率 2% (苦戦) ▽ 距離適性同距離は 39走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 14日の間隔 (理想的) × 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 16.7% (オッズ暗示: 34.5%) ※ 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	インザスカイ推奨	永井孝（兵庫）	実24.4	▲詳細▼	市場が大きく過小評価、AI予想勝率10% × オッズ24.4倍で期待値+146%の有力候補（近5走で勝率20%と堅実／適度な間隔で状態万全）
前5走 05/21 園田2R 9着/9頭+1.0秒 04/28 園田2R 9着/10頭+2.5秒 04/08 園田3R 9着/10頭+3.9秒 03/19 園田6R 10着/10頭+3.1秒 01/08 園田1R 1着/10頭勝利
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +146% (市場が大幅過小評価) AI 予想勝率 10.1% (オッズ暗示: 4.1%) ※ 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。
6	チョウハクタカ	山本太（兵庫）	実6.1	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場14走で勝率0%と苦戦傾向）
前5走 05/06 園田1R 8着/12頭+2.2秒 04/14 園田4R 10着/12頭+2.4秒 12/02 園田5R 4着/12頭+0.8秒 11/13 園田5R 10着/12頭+2.2秒 10/29 園田6R 5着/12頭+0.9秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) × 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 8.7% (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。
7	ジョイブラック	小谷哲（兵庫）	実3.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場47走で勝率0%と苦戦傾向／同距離帯は35走で勝ち無し）
前5走 05/22 園田1R 6着/10頭 05/05 園田3R 10着/10頭+3.3秒 04/23 園田1R 2着/10頭+0.4秒 04/02 園田3R 6着/8頭+1.7秒 03/19 園田3R 8着/9頭+1.7秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 47走で勝率 0% (苦戦) ▽ 距離適性同距離は 35走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 27.3% (オッズ暗示: 30.3%) ※ 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	レンガノコブタサン	高橋洸（兵庫）	実5.7	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場27走で勝率4%と苦戦傾向／同距離帯は23走で勝ち無し）
前5走 05/21 園田1R 4着/10頭 05/06 園田2R 7着/10頭+2.4秒 04/23 園田1R 8着/10頭+1.7秒 04/09 園田2R 8着/8頭+3.3秒 03/26 園田2R 9着/10頭+3.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 27走で勝率 4% (苦戦) ▽ 距離適性同距離は 23走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 18.6% (オッズ暗示: 17.5%) ※ 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。
9	ウインレヴェランス	塩津璃（兵庫）	実19.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場64走で勝率0%と苦戦傾向／同距離帯は55走で勝ち無し）
前5走 05/05 園田1R 10着/10頭+4.0秒 04/22 園田3R 6着/8頭+1.0秒 04/08 園田1R 4着/9頭+0.9秒 03/26 園田9R 8着/9頭+4.4秒 01/08 園田1R 8着/10頭+1.2秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 64走で勝率 0% (苦戦) ▽ 距離適性同距離は 55走で勝ち無し ○ 騎手近50戦勝率 16% ▽ 前走実績前走 10着 (大敗) × 期待値 (オッズ vs AI勝率) -33% (大幅な期待値マイナス) AI 予想勝率 3.4% (オッズ暗示: 5.2%) ※ 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。
10	コルシカブルー	板野央（兵庫）	実37.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.0着と低調）
前5走 05/21 園田1R 9着/10頭+1.0秒 05/06 園田1R 11着/12頭+2.6秒 04/23 園田3R 7着/11頭+1.6秒 03/31 園田3R 9着/12頭+1.5秒 03/17 園田4R 7着/12頭+1.6秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 38走で勝率 5% △ 距離適性同距離 19走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +75% (市場が大幅過小評価) AI 予想勝率 4.7% (オッズ暗示: 2.7%) ※ 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。

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. 市場込みモデル

単勝 5 インザスカイ実24.4倍期待値 +146% 推奨 12.9〜30.0倍 100円 ❌不的中8着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

3R 園田競馬場ダート1400m　発走 15:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	カドサンガンバル	山本咲（兵庫）	実33.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場23走で勝率4%と苦戦傾向／同距離帯は12走で勝ち無し／前走3着）
前5走 05/15 園田4R 3着/9頭+0.8秒 04/16 園田3R 10着/10頭+2.8秒 03/18 園田1R 2着/10頭+0.1秒 01/07 園田5R 11着/12頭+2.1秒 12/18 園田10R 2着/11頭+0.2秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 23走で勝率 4% (苦戦) ▽ 距離適性同距離は 12走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +39% (妙味あり) AI 予想勝率 4.2% (オッズ暗示: 3.0%) ※ 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	カシスオレンジ	川原正（兵庫）	実122.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場11走で勝率0%と苦戦傾向／同距離帯は23走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/21 園田7R 8着/10頭 05/06 園田8R 10着/10頭+3.1秒 04/23 園田7R 12着/12頭+3.0秒 04/08 園田6R 9着/10頭+3.0秒 03/25 園田8R 9着/10頭+1.8秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 10.0着 (不振) × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 23走で勝ち無し ○ ローテーション 15日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +35% (妙味あり) AI 予想勝率 1.1% (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。
3	ヴァイスリヒト	笹田知（兵庫）	実7.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場43走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し／前走2着）
前5走 05/20 園田2R 2着/10頭 05/04 園田6R 4着/6頭+1.8秒 01/07 園田12R 9着/10頭+1.3秒 12/23 園田9R 8着/9頭+2.5秒 12/03 園田9R 12着/12頭+1.6秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 43走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し ○ 騎手近50戦勝率 16% ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) × 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 4.5% (オッズ暗示: 13.2%) ※ 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	ラント	小谷周（兵庫）	実14.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 園田2R 4着/10頭 05/07 園田2R 2着/10頭+0.1秒 04/23 園田2R 4着/10頭+0.6秒 04/09 園田6R 7着/8頭+0.9秒 03/24 園田6R 8着/10頭+1.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.3着 ○ 当競馬場適性 27走で勝率 19% (相性良) ○ 距離適性同距離 28走で勝率 18% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -60% (大幅な期待値マイナス) AI 予想勝率 2.8% (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。
5	セトノダイヤモンド	永井孝（兵庫）	実3.4	○詳細▼	AI上位評価だが期待値不足、見送り（同馬場状態で勝率33%／前走3着）
前5走 05/14 園田2R 3着/9頭+0.4秒 04/21 園田4R 9着/10頭+2.8秒 11/05 園田7R 4着/10頭+0.3秒 09/26 園田5R 1着/10頭勝利 09/04 園田8R 9着/10頭+2.1秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 23走で勝率 9% ◎ 馬場適性同馬場 6走で勝率 33% ○ 前走実績前走 3着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 23.6% (オッズ暗示: 29.4%) ※ 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。
6	ララアンセストラル	小牧太（兵庫）	実3.9	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走平均8.3着と低調／騎手は近50戦で勝率30%）
前5走 05/14 園田8R 5着/9頭+0.3秒 04/14 園田7R 10着/10頭+2.6秒 03/26 園田8R 10着/10頭+2.9秒 01/14 園田8R 3着/10頭+0.1秒 12/25 園田6R 3着/10頭+1.4秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 37走で勝率 11% △ 距離適性同距離 36走で勝率 11% ◎ 騎手近50戦勝率 30% (好調) ○ ローテーション 22日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 34.4% (オッズ暗示: 25.6%) ※ 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	スナークユウマ	井上幹（兵庫）	実8.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（直近3走で勝率33%と好調／前走2着）
前5走 05/14 園田2R 2着/9頭+0.1秒 04/21 園田4R 8着/10頭+2.5秒 10/28 園田1R 1着/10頭勝利 10/16 園田1R 3着/10頭+0.3秒 09/25 園田3R 8着/10頭+2.3秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 30走で勝率 10% △ 距離適性同距離 30走で勝率 10% ○ 馬場適性同馬場 8走で勝率 25% ○ 前走実績前走 2着 (好走) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 9.7% (オッズ暗示: 11.2%) ※ 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	サクセスカノン	大山真（兵庫）	実33.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（141日ぶりの実戦）
前5走 01/15 園田6R 6着/10頭+0.9秒 12/24 園田3R 7着/10頭+1.6秒 12/09 園田4R 7着/10頭+2.5秒 11/19 園田2R 1着/10頭勝利 10/30 園田5R 7着/10頭+0.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 △ 当競馬場適性 15走で勝率 13% ○ 距離適性同距離 12走で勝率 17% ○ 馬場適性同馬場 4走で勝率 25% △ ローテーション 141日休養明け △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 2.5% (オッズ暗示: 3.0%) ※ 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。
9	パイラタナー	田野豊（兵庫）	実3.1	▲詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率0%と苦戦傾向／前走2着）
前5走 05/15 園田4R 2着/9頭+0.3秒 04/30 園田4R 8着/11頭+1.4秒 04/14 園田6R 11着/12頭+1.6秒 01/02 園田12R 9着/12頭+2.1秒 ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -52% (大幅な期待値マイナス) AI 予想勝率 15.6% (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。
10	アカノストロング	高畑皓（兵庫）	実83.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は25走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/22 園田2R 10着/10頭 05/06 園田5R 10着/10頭+2.4秒 04/23 園田6R 12着/12頭+3.9秒 01/07 園田4R 8着/10頭+1.2秒 12/29 園田7R 6着/7頭+1.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.7着 (不振) △ 当競馬場適性 27走で勝率 7% ▽ 距離適性同距離は 25走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 1.4% (オッズ暗示: 1.2%) ※ 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。

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. 市場込みモデル

馬連 5-6 実8.6倍期待値 +98% 300円 ❌不的中5番(3着)-6番(6着)

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

4R 園田競馬場ダート1400m　発走 16:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アクイール	廣瀬航（兵庫）	実11.0	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/22 園田1R 1着/10頭 05/06 園田3R 6着/10頭+1.4秒 04/22 園田7R 3着/9頭+0.2秒 01/15 園田4R 5着/10頭+1.1秒 01/02 園田9R 10着/12頭+1.7秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 46走で勝率 9% △ 距離適性同距離 43走で勝率 9% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 9.7% (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。
2	フェイスナイン	南部楓（兵庫）	実34.2	▲詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場50走で勝率4%と苦戦傾向／同距離帯は44走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/21 園田2R 1着/9頭 05/05 園田2R 5着/10頭+2.7秒 04/21 園田4R 6着/10頭+1.3秒 04/02 園田6R 7着/9頭+1.1秒 03/19 園田3R 3着/9頭+0.2秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) × 当競馬場適性 50走で勝率 4% (苦戦) ▽ 距離適性同距離は 44走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +189% (市場が大幅過小評価) AI 予想勝率 8.5% (オッズ暗示: 2.9%) ※ 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。
3	サクラトップセラー	高橋洸（兵庫）	実23.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走で勝率33%と好調）
前5走 05/20 園田5R 7着/12頭 04/28 園田4R 5着/10頭+1.9秒 04/09 園田2R 1着/8頭勝利 10/09 園田1R 1着/10頭勝利 09/19 園田2R 3着/10頭+0.5秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 14走で勝率 14% △ 距離適性同距離 14走で勝率 14% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +37% (妙味あり) AI 予想勝率 5.9% (オッズ暗示: 4.3%) ※ 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	ワキノフラッシュ	杉浦健（兵庫）	実18.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯24走で勝率25%／直近3走で勝率33%と好調）
前5走 05/21 園田10R 7着/12頭 04/28 園田1R 1着/10頭勝利 09/19 園田7R 5着/10頭+1.1秒 08/28 園田8R 5着/10頭+1.4秒 08/07 園田9R 1着/10頭勝利
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 28走で勝率 21% (相性良) ◎ 距離適性同距離 24走で勝率 25% ○ ローテーション 15日の間隔 (理想的) △ 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%) ※ 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	キャバリエクエスト	塩津璃（兵庫）	実3.4	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/20 園田7R 1着/10頭 05/04 園田6R 2着/6頭+0.6秒 04/28 園田2R 6着/10頭+0.5秒 04/16 園田4R 6着/10頭+2.1秒 04/02 園田3R 2着/8頭+0.3秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 10走で勝率 10% ○ 騎手近50戦勝率 16% ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 21.0% (オッズ暗示: 29.4%) ※ 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。
6	シュトローム	吉村智（兵庫）	実1.4	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場11走で勝率36%と適性高／同距離帯10走で勝率40%／同馬場状態で勝率100%）
前5走 05/22 園田9R 6着/11頭+1.0秒 04/30 園田3R 1着/9頭勝利 01/14 園田8R 6着/10頭+0.8秒 12/29 園田7R 1着/7頭勝利 12/11 園田7R 1着/9頭勝利
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 11走で勝率 36% (得意) ◎ 距離適性同距離 10走で勝率 40% ◎ 馬場適性同馬場 3走で勝率 100% ◎ 騎手近50戦勝率 42% (好調) ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 42.4% (オッズ暗示: 71.4%) ※ 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。
7	エザルターレ	永井孝（兵庫）	実69.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯8走で勝率25%／直近3走で勝率33%と好調）
前5走 05/21 園田10R 11着/12頭 04/30 園田7R 6着/10頭+1.4秒 04/02 園田3R 1着/8頭勝利 07/11 園田4R 1着/10頭勝利 06/26 園田3R 10着/11頭+2.1秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 9走で勝率 22% (相性良) ◎ 距離適性同距離 8走で勝率 25% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +182% (市場が大幅過小評価) AI 予想勝率 4.0% (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。
8	スマートエミネンス	山本太（兵庫）	実170.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場33走で勝率3%と苦戦傾向／同距離帯は31走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/22 園田9R 11着/11頭 05/04 園田9R 4着/7頭+1.1秒 04/15 園田7R 10着/10頭+3.9秒 03/31 園田7R 7着/9頭+2.5秒 03/18 園田3R 10着/10頭+1.3秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 33走で勝率 3% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +70% (市場が大幅過小評価) AI 予想勝率 1.0% (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。
9	ナムラハカ	竹村達（兵庫）	実81.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/21 園田1R 1着/10頭 05/07 園田2R 10着/10頭+2.3秒 04/08 園田3R 7着/10頭+2.9秒 03/25 園田2R 9着/10頭+2.4秒 01/13 園田5R 6着/10頭+1.3秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 64走で勝率 9% △ 距離適性同距離 46走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +89% (市場が大幅過小評価) AI 予想勝率 2.3% (オッズ暗示: 1.2%) ※ 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。

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）

5R 園田競馬場ダート1400m　発走 16:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ハイグッドシャイン	渡瀬和（兵庫）	実10.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 園田6R 4着/9頭+0.7秒 05/05 園田6R 4着/10頭+0.5秒 04/22 園田1R 8着/12頭+1.0秒 03/18 園田3R 7着/10頭+0.7秒 01/15 園田6R 8着/10頭+1.5秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 35走で勝率 6% △ 距離適性同距離 24走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 11.2% (オッズ暗示: 9.8%) ※ 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	デンリッレハウエル	杉浦健（兵庫）	実23.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場5走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し）
前5走 05/20 園田5R 5着/12頭 05/04 園田2R 4着/7頭+1.8秒 04/23 園田6R 7着/12頭+2.4秒 04/08 園田4R 9着/10頭+2.3秒 03/17 園田7R 10着/10頭+2.9秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 5.0% (オッズ暗示: 4.3%) ※ 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。
3	ミストレビノ	高畑皓（兵庫）	実64.8	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/22 園田9R 7着/11頭 04/29 園田3R 4着/8頭+0.6秒 04/15 園田7R 5着/10頭+1.7秒 03/26 園田7R 5着/10頭+0.7秒 01/07 園田6R 7着/10頭+1.2秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 38走で勝率 8% △ 距離適性同距離 24走で勝率 12% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 2.1% (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。
4	メイショウピスカリ	板野央（兵庫）	実38.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場15走で勝率0%と苦戦傾向／同距離帯は15走で勝ち無し）
前5走 05/22 園田9R 8着/11頭 05/04 園田2R 5着/7頭+2.1秒 04/21 園田2R 7着/9頭+1.9秒 04/07 園田6R 3着/8頭+0.8秒 03/25 園田7R 8着/10頭+1.2秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +93% (市場が大幅過小評価) AI 予想勝率 5.0% (オッズ暗示: 2.6%) ※ 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。
5	アンニーナ推奨	永井孝（兵庫）	実7.9	🌟◎詳細▼	市場が大きく過小評価、AI予想勝率27% × オッズ7.9倍で期待値+111%の有力候補（近5走で勝率20%と堅実／適度な間隔で状態万全）
前5走 05/20 園田8R 6着/6頭+0.0秒 05/07 園田6R 7着/10頭+1.9秒 04/22 園田1R 3着/12頭+0.3秒 04/02 園田2R 1着/8頭勝利 01/14 園田1R 9着/12頭+1.8秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 27走で勝率 11% ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +111% (市場が大幅過小評価) AI 予想勝率 26.8% (オッズ暗示: 12.7%) ※ 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	スーパークール	佐々世（兵庫）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/14 園田4R 9着/10頭+2.0秒 04/29 園田2R 3着/7頭+2.5秒 04/07 園田6R 5着/8頭+1.4秒 03/18 園田2R 1着/10頭勝利 12/31 園田7R 5着/9頭+1.5秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 14走で勝率 7% △ 距離適性同距離 14走で勝率 7% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +4% (市場と概ね一致) AI 予想勝率 24.4% (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。
7	スマートコマンダー	大山真（兵庫）	実30.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/22 園田6R 4着/8頭+0.0秒 05/05 園田6R 5着/10頭+1.0秒 04/22 園田1R 5着/12頭+0.7秒 04/07 園田7R 7着/9頭+1.1秒 03/25 園田5R 6着/11頭+2.0秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 29走で勝率 10% △ 距離適性同距離 23走で勝率 13% ○ 馬場適性同馬場 7走で勝率 29% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -40% (大幅な期待値マイナス) AI 予想勝率 2.0% (オッズ暗示: 3.2%) ※ 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	ブリングジョイ	高橋洸（兵庫）	実1.7	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/15 園田7R 4着/10頭+1.0秒 04/22 園田5R 3着/11頭+0.5秒 04/02 園田5R 4着/10頭+1.2秒 03/18 園田3R 5着/10頭+0.4秒 01/13 園田9R 6着/12頭+2.6秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -69% (大幅な期待値マイナス) AI 予想勝率 18.5% (オッズ暗示: 58.8%) ※ 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	ヴィオマージュ	山本太（兵庫）	実8.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場25走で勝率4%と苦戦傾向／同距離帯は24走で勝ち無し）
前5走 05/22 園田12R 7着/12頭 05/05 園田7R 7着/10頭+1.6秒 04/21 園田2R 4着/9頭+0.9秒 04/01 園田8R 9着/10頭+2.2秒 03/17 園田7R 2着/10頭+1.5秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.0着 × 当競馬場適性 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 24走で勝ち無し ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 5.1% (オッズ暗示: 12.0%) ※ 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。

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. 市場込みモデル

単勝 5 アンニーナ実7.9倍期待値 +111% 推奨 5.0〜12.9倍 400円 ❌不的中3着
馬連 5-6 実10.2倍期待値 +78% 200円 ❌不的中5番(3着)-6番(-)

B. 市場除外+キャリブ

単勝 2 デンリッレハウエル実23.5倍期待値 +122% 推奨 13.8〜30.0倍 100円 ❌不的中

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

6R 園田競馬場ダート1400m　発走 17:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	レスプレンドール	小谷哲（兵庫）	実16.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 園田12R 9着/12頭 05/04 園田9R 3着/7頭+1.1秒 04/23 園田6R 2着/12頭+0.2秒 04/07 園田7R 2着/9頭+0.1秒 03/25 園田2R 1着/10頭勝利
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 40走で勝率 10% △ 距離適性同距離 26走で勝率 8% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 5.7% (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。
2	ボムポット	吉村智（兵庫）	実2.6	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率33%と好調／前走勝利の勢い／騎手は近50戦で勝率40%）
前5走 05/21 園田10R 1着/12頭 12/10 名古屋2R 12着/12頭+8.9秒 11/12 名古屋9R 10着/12頭+6.6秒 10/31 名古屋4R 11着/12頭+6.2秒 10/17 名古屋4R 12着/12頭+5.5秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子勝率 33% (上り調子) ○ 距離適性同距離 6走で勝率 17% ◎ 騎手近50戦勝率 40% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 34.7% (オッズ暗示: 38.5%) ※ 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	ボールザマホーニー	田野豊（兵庫）	実5.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場22走で勝率5%と苦戦傾向／直近3走平均8.0着と低調／前走3着）
前5走 05/20 園田6R 3着/12頭 04/29 園田12R 11着/12頭+1.4秒 04/08 園田9R 10着/12頭+2.1秒 03/17 園田10R 10着/12頭+1.8秒 12/11 園田9R 4着/10頭+0.6秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 22走で勝率 5% (苦戦) △ 距離適性同距離 19走で勝率 5% ○ 前走実績前走 3着 (好走) ○ ローテーション 16日の間隔 (理想的) × 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 11.2% (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。
4	ナムラデュラン	大山真（兵庫）	実21.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同馬場状態で勝率38%）
前5走 05/21 園田12R 6着/12頭 05/04 園田2R 2着/7頭+1.1秒 04/22 園田6R 6着/12頭+1.1秒 04/07 園田7R 3着/9頭+0.1秒 03/25 園田6R 10着/12頭+1.3秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 42走で勝率 14% ○ 距離適性同距離 34走で勝率 18% ◎ 馬場適性同馬場 8走で勝率 38% ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 3.9% (オッズ暗示: 4.8%) ※ 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	ブンブンマル	永井孝（兵庫）	実42.0	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場4走で勝率0%と苦戦傾向）
前5走 05/13 園田5R 5着/10頭+1.3秒 04/30 園田12R 9着/11頭+1.9秒 04/08 園田12R 7着/12頭+1.4秒 03/25 園田9R 9着/9頭+2.1秒 02/27 名古屋11R 8着/10頭+1.0秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 4走で勝率 0% (苦戦) ○ 距離適性同距離 13走で勝率 15% ○ ローテーション 23日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 1.6% (オッズ暗示: 2.4%) ※ 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。
6	アークリオーソ	杉浦健（兵庫）	実51.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場48走で勝率4%と苦戦傾向）
前5走 05/22 園田12R 5着/12頭 05/04 園田3R 6着/8頭+3.0秒 04/22 園田6R 11着/12頭+1.9秒 04/07 園田6R 1着/8頭勝利 03/24 園田7R 7着/10頭+1.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 48走で勝率 4% (苦戦) △ 距離適性同距離 34走で勝率 6% ○ ローテーション 14日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -50% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
7	クァンタムリープ	廣瀬航（兵庫）	実19.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走2着）
前5走 05/21 園田10R 2着/12頭+0.0秒 04/23 園田6R 9着/12頭+3.1秒 04/02 園田5R 8着/10頭+2.5秒 01/03 園田7R 7着/12頭+1.1秒 12/24 園田4R 8着/10頭+3.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.3着 ○ 当競馬場適性 27走で勝率 19% (相性良) ○ 距離適性同距離 26走で勝率 19% ○ 馬場適性同馬場 5走で勝率 20% ○ 前走実績前走 2着 (好走) ○ ローテーション 15日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 7.5% (オッズ暗示: 5.2%) ※ 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	チェリータイム	高橋洸（兵庫）	実15.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/20 園田6R 5着/12頭 04/30 園田9R 5着/10頭+1.2秒 04/09 園田5R 10着/10頭+1.4秒 03/19 園田9R 6着/9頭+1.8秒 01/13 園田6R 7着/10頭+1.0秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 ○ 当競馬場適性 37走で勝率 19% (相性良) ○ 距離適性同距離 35走で勝率 20% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 6.8% (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。
9	コスモブレイズ	下原理（兵庫）	実2.3	○詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／前走3着／260日ぶりの実戦）
前5走 09/18 園田12R 3着/12頭+0.4秒 08/28 園田12R 3着/11頭+0.1秒 08/07 園田10R 1着/10頭勝利 07/25 園田9R 4着/10頭+0.6秒 07/02 園田3R 2着/11頭+0.1秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 3着 (好走) △ ローテーション 260日休養明け × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 27.6% (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。

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）

7R 園田競馬場ダート1400m　発走 17:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オクトンハッチ	竹村達（兵庫）	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率0%と苦戦傾向／259日ぶりの実戦）
前5走 09/19 園田3R 4着/5頭+1.0秒 08/20 園田5R 4着/5頭+1.6秒 08/07 園田6R 5着/5頭+1.7秒 ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 3走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) △ ローテーション 259日休養明け △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 18.6% (オッズ暗示: 18.9%) ※ 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。
2	ラプスドール	大山真（兵庫）	実28.7	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/20 園田4R 6着/12頭 04/28 園田8R 2着/9頭+0.8秒 04/09 園田8R 3着/8頭+0.2秒 03/24 園田5R 4着/11頭+0.4秒 01/13 園田2R 5着/6頭+0.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 3.0% (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。
3	シンパティア	杉浦健（兵庫）	実182.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場9走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/20 園田4R 7着/12頭+3.0秒 04/28 園田8R 8着/9頭+3.1秒 04/15 園田5R 2着/12頭+0.3秒 03/31 園田4R 5着/12頭+1.0秒 03/17 園田9R 10着/11頭+3.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 9走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +113% (市場が大幅過小評価) AI 予想勝率 1.2% (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	ヒカ	山本咲（兵庫）	実6.7	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 12.6% (オッズ暗示: 14.9%) ※ 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。
5	トリプルハッピー	板野央（兵庫）	実71.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 5 △ 騎手近50戦勝率 4% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +31% (妙味あり) AI 予想勝率 1.9% (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。
6	ベストマリア	吉村智（兵庫）	実11.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 05/06 園田6R 1着/8頭勝利 04/23 園田5R 6着/12頭+2.1秒 04/01 園田3R 5着/10頭+2.1秒 ― ―
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 40% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -37% (大幅な期待値マイナス) AI 予想勝率 5.4% (オッズ暗示: 8.6%) ※ 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	キャッチマイアイ	新庄海（兵庫）	実64.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率0%と苦戦傾向）
前5走 05/20 園田4R 4着/12頭 04/21 園田7R 4着/7頭+1.0秒 04/09 園田7R 4着/8頭+0.4秒 03/04 川崎6R 10着/11頭+6.0秒 02/06 川崎5R 9着/12頭+2.8秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 3走で勝率 0% (苦戦) △ 距離適性同距離 7走で勝率 14% ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +9% (市場と概ね一致) AI 予想勝率 1.7% (オッズ暗示: 1.6%) ※ 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。
8	フドウミョウオウ	廣瀬航（兵庫）	実109.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場13走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/22 園田4R 8着/8頭 05/05 園田4R 6着/12頭+2.4秒 04/21 園田8R 5着/7頭+1.0秒 04/09 園田8R 4着/8頭+0.4秒 03/24 園田5R 9着/11頭+2.5秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 1.0% (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。
9	サクセスブレイク	永井孝（兵庫）	実7.5	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（当競馬場10走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し／直近3走平均2.3着と安定）
前5走 05/22 園田4R 2着/8頭 05/04 園田4R 2着/10頭+0.0秒 04/21 園田8R 3着/7頭+0.6秒 04/09 園田8R 5着/8頭+0.5秒 03/24 園田5R 7着/11頭+1.1秒
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子平均 2.3着 (安定) × 当競馬場適性 10走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 前走実績前走 2着 (好走) ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 10.3% (オッズ暗示: 13.3%) ※ 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。
10	ドナルドポーカー	井上幹（兵庫）	実41.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 05/05 園田4R 7着/12頭+3.4秒 04/09 園田8R 2着/8頭+0.0秒 03/17 園田9R 2着/11頭+0.3秒 01/13 園田2R 3着/6頭+0.4秒 12/18 園田4R 6着/12頭+1.5秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 3.1% (オッズ暗示: 2.4%) ※ 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	スマートルヴァン	下原理（兵庫）	実1.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（騎手は近50戦で勝率20%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 騎手近50戦勝率 20% (好調) × 期待値 (オッズ vs AI勝率) -39% (大幅な期待値マイナス) AI 予想勝率 35.6% (オッズ暗示: 58.8%) ※ 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	エルマスデセーニ	川原正（兵庫）	実35.0	▲詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 12 🌟◎ 期待値 (オッズ vs AI勝率) +96% (市場が大幅過小評価) AI 予想勝率 5.6% (オッズ暗示: 2.9%) ※ 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。

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）

8R 園田競馬場ダート1700m　発走 18:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	グランコスメ	小谷哲（兵庫）	実129.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は5走で勝ち無し／同馬場状態で勝率40%）
前5走 05/15 園田10R 8着/9頭+1.3秒 04/23 園田11R 7着/9頭+2.2秒 03/31 園田11R 7着/10頭+1.6秒 01/15 園田11R 9着/11頭+2.0秒 12/09 園田7R 7着/7頭+1.9秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) ○ 当競馬場適性 17走で勝率 24% (相性良) ▽ 距離適性同距離は 5走で勝ち無し ◎ 馬場適性同馬場 5走で勝率 40% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +166% (市場が大幅過小評価) AI 予想勝率 2.1% (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。
2	チェリーロシアン推奨	下原理（兵庫）	実12.0	○詳細▼	市場が大きく過小評価、AI予想勝率17% × オッズ12.0倍で期待値+108%の有力候補（直近3走平均2.7着と安定／当競馬場25走で勝率28%と適性高／同距離帯で勝率33%と得意）
前5走 05/21 園田9R 2着/8頭+0.0秒 04/22 園田12R 3着/11頭+0.2秒 04/02 園田12R 3着/12頭+0.2秒 10/08 園田8R 6着/7頭+1.3秒 09/12 園田12R 10着/10頭+2.1秒
AI 評価の内訳 — 馬番 2 ○ 直近3戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 25走で勝率 28% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 15日の間隔 (理想的) 🌟◎ 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 17.4% (オッズ暗示: 8.3%) ※ 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。
3	アイファーキャップ	小牧太（兵庫）	実3.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場4走で勝率25%と適性高／同距離帯3走で勝率33%／直近3走で勝率33%と好調）
前5走 05/15 園田10R 3着/9頭+0.3秒 04/22 園田9R 1着/9頭勝利 04/07 園田9R 2着/9頭+0.2秒 03/25 園田9R 2着/9頭+0.0秒 ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 3走で勝率 33% ◎ 騎手近50戦勝率 30% (好調) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 18.0% (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。
4	ホクザンゴールド	長尾翼（兵庫）	実35.9	▲詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 園田9R 5着/8頭 04/28 園田10R 2着/11頭+0.1秒 04/07 園田10R 6着/12頭+0.7秒 03/18 園田10R 4着/12頭+0.4秒 01/07 園田11R 3着/10頭+0.4秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.3着 △ 当競馬場適性 37走で勝率 14% △ 距離適性同距離 15走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 2.8% (オッズ暗示: 2.8%) ※ 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	ボンヌーヴェル	田野豊（兵庫）	実45.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/13 園田9R 5着/9頭+1.2秒 04/22 園田12R 9着/11頭+0.9秒 04/02 園田12R 1着/12頭勝利 12/31 園田9R 7着/9頭+1.9秒 12/16 園田8R 3着/12頭+0.8秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 20走で勝率 10% ◎ 距離適性同距離 4走で勝率 25% ○ 馬場適性同馬場 5走で勝率 20% ○ 騎手近50戦勝率 14% ○ ローテーション 23日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 2.0% (オッズ暗示: 2.2%) ※ 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。
6	ムーンレイデオ	山本太（兵庫）	実20.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は5走で勝ち無し／同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 05/15 園田10R 4着/9頭+0.5秒 04/23 園田11R 4着/9頭+0.8秒 04/07 園田9R 1着/9頭勝利 03/25 園田9R 4着/9頭+0.9秒 01/15 園田9R 3着/8頭+0.7秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 13走で勝率 15% (相性良) ▽ 距離適性同距離は 5走で勝ち無し ◎ 馬場適性同馬場 3走で勝率 33% ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -44% (大幅な期待値マイナス) AI 予想勝率 2.7% (オッズ暗示: 4.9%) ※ 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。
7	ラズライトタッカー	廣瀬航（兵庫）	実15.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場10走で勝率30%と適性高／同距離帯は4走で勝ち無し／直近3走で勝率67%と好調）
前5走 05/05 園田12R 1着/11頭勝利 04/14 園田12R 5着/12頭+2.1秒 03/19 園田12R 1着/12頭勝利 10/09 園田11R 8着/8頭+5.9秒 09/11 園田11R 4着/7頭+0.9秒
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 10走で勝率 30% (得意) ▽ 距離適性同距離は 4走で勝ち無し ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +38% (妙味あり) AI 予想勝率 9.0% (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	クレスコユウシャ	佐々世（兵庫）	実1.4	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場8走で勝率75%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/04 園田10R 1着/9頭勝利 04/14 園田12R 1着/12頭勝利 03/17 園田10R 1着/12頭勝利 01/02 園田8R 2着/12頭+0.2秒 12/10 園田2R 1着/9頭勝利
AI 評価の内訳 — 馬番 8 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 8走で勝率 75% (得意) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 46.1% (オッズ暗示: 71.4%) ※ 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。

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. 市場込みモデル

単勝 2 チェリーロシアン実12.0倍期待値 +108% 推奨 7.5〜19.3倍 200円 ❌不的中6着

B. 市場除外+キャリブ

単勝 6 ムーンレイデオ実20.4倍期待値 +91% 推奨 13.9〜30.0倍 100円 ❌不的中4着

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

9R 園田競馬場ダート1700m　発走 18:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アラン	小牧太（兵庫）	実1.5	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率100%と適性高／直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/14 園田9R 1着/8頭勝利 04/16 園田5R 1着/12頭勝利 03/18 園田4R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 1 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 3走で勝率 100% (得意) ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 49.9% (オッズ暗示: 66.7%) ※ 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。
2	クリスタルピット	田野豊（兵庫）	実15.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 園田11R 5着/12頭+1.2秒 12/24 園田10R 2着/11頭+0.5秒 11/27 園田11R 7着/12頭+2.5秒 11/11 園田8R 5着/10頭+1.8秒 10/23 園田8R 3着/8頭+0.2秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 12走で勝率 8% ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -6% (オッズ過剰評価) AI 予想勝率 6.2% (オッズ暗示: 6.6%) ※ 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。
3	ベラジオソニック	杉浦健（兵庫）	実6.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 05/05 園田11R 6着/12頭+2.2秒 01/03 園田3R 1着/11頭勝利 11/06 園田8R 3着/6頭+0.8秒 ― ―
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 8.4% (オッズ暗示: 14.7%) ※ 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。
4	テーオーハリスン	吉村智（兵庫）	実37.2	▲詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走2着／騎手は近50戦で勝率38%）
前5走 04/30 園田10R 2着/8頭+0.7秒 01/15 園田8R 7着/9頭+1.4秒 12/29 園田5R 1着/12頭勝利 12/18 園田3R 6着/12頭+0.5秒 11/18 園田3R 8着/11頭+1.8秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 6走で勝率 17% (相性良) ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 2着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +178% (市場が大幅過小評価) AI 予想勝率 7.5% (オッズ暗示: 2.7%) ※ 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	シェナスカイ	廣瀬航（兵庫）	実64.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／前走2着）
前5走 05/20 園田9R 2着/12頭 04/28 園田8R 1着/9頭勝利 04/15 園田5R 8着/12頭+1.1秒 03/24 園田5R 2着/11頭+0.0秒 09/26 園田4R 2着/9頭+0.2秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 9走で勝率 11% ○ 馬場適性同馬場 4走で勝率 25% ○ 前走実績前走 2着 (好走) ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +163% (市場が大幅過小評価) AI 予想勝率 4.1% (オッズ暗示: 1.6%) ※ 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	トシクン	山本咲（兵庫）	実2.8	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場4走で勝率50%と適性高／直近3走で勝率67%と好調）
前5走 05/05 園田11R 5着/12頭+2.2秒 04/23 園田5R 1着/12頭勝利 04/01 園田3R 1着/10頭勝利 03/18 園田4R 2着/12頭+0.0秒 ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 4走で勝率 50% (得意) × 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 18.2% (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。
7	フライトマジック	笹田知（兵庫）	実75.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調）
前5走 05/20 園田9R 8着/12頭+3.0秒 04/29 園田8R 5着/8頭+2.2秒 04/21 園田7R 1着/7頭勝利 03/30 船橋1R 10着/12頭+2.2秒 08/29 船橋7R 3着/6頭+2.9秒
AI 評価の内訳 — 馬番 7 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ○ 騎手近50戦勝率 16% ○ ローテーション 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +323% (市場が大幅過小評価) AI 予想勝率 5.6% (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。

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. 市場込みモデル

3連複 1-4-6 実15.0倍期待値 +154% 200円 ❌不的中1番(-)-4番(-)-6番(1着)

B. 市場除外+キャリブ

馬連 1-4 実20.9倍期待値 +208% 200円 ❌不的中1番(-)-4番(-)
3連複 1-4-6 実15.0倍期待値 +104% 100円 ❌不的中1番(-)-4番(-)-6番(1着)

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

10R 園田競馬場ダート1400m　発走 19:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イチネンエーグミ	高橋洸（兵庫）	実68.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向）
前5走 05/21 園田11R 11着/12頭 03/25 園田11R 6着/9頭+1.1秒 12/02 園田11R 3着/8頭+0.6秒 11/13 園田11R 10着/12頭+1.0秒 08/22 園田11R 3着/5頭+3.1秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 1.0% (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。
2	ウインディーパレス	山本咲（兵庫）	実9.5	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場18走で勝率50%と適性高／同距離帯10走で勝率70%／直近3走で勝率67%と好調）
前5走 01/08 園田11R 1着/10頭勝利 12/11 園田10R 1着/8頭勝利 11/20 園田11R 2着/10頭+0.1秒 07/24 園田11R 2着/8頭+0.0秒 06/26 園田10R 1着/8頭勝利
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 18走で勝率 50% (得意) ◎ 距離適性同距離 10走で勝率 70% ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 148日休養明け △ 期待値 (オッズ vs AI勝率) +14% (市場と概ね一致) AI 予想勝率 12.1% (オッズ暗示: 10.5%) ※ 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	ジーニアスレノン	廣瀬航（兵庫）	実5.0	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場17走で勝率35%と適性高／同距離帯11走で勝率55%／同馬場状態で勝率60%）
前5走 05/13 園田10R 6着/8頭+1.0秒 04/15 園田12R 1着/12頭勝利 03/24 園田10R 1着/8頭勝利 12/31 園田10R 1着/12頭勝利 12/04 園田9R 1着/9頭勝利
AI 評価の内訳 — 馬番 3 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 17走で勝率 35% (得意) ◎ 距離適性同距離 11走で勝率 55% ◎ 馬場適性同馬場 5走で勝率 60% ○ ローテーション 23日の間隔 (理想的) × 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 13.0% (オッズ暗示: 20.0%) ※ 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。
4	カマチョクイン	下原理（兵庫）	実13.7	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均9.0着と低調／78日ぶりの実戦／騎手は近50戦で勝率20%）
前5走 03/19 浦和10R 9着/13頭+2.1秒 12/30 大井10R 14着/16頭+2.2秒 11/13 大井11R 4着/9頭+1.3秒 ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.0着 (不振) ◎ 騎手近50戦勝率 20% (好調) ◎ 期待値 (オッズ vs AI勝率) +30% (妙味あり) AI 予想勝率 9.6% (オッズ暗示: 7.3%) ※ 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	グランドルチル	吉村智（兵庫）	実39.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／騎手は近50戦で勝率38%）
前5走 05/21 園田11R 6着/12頭 04/28 園田11R 4着/11頭+0.8秒 04/08 園田11R 1着/12頭勝利 03/17 園田11R 2着/10頭+0.5秒 05/16 園田10R 4着/12頭+1.2秒
AI 評価の内訳 — 馬番 5 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 27走で勝率 15% △ 距離適性同距離 14走で勝率 7% ○ 馬場適性同馬場 8走で勝率 25% ◎ 騎手近50戦勝率 38% (好調) ○ ローテーション 15日の間隔 (理想的) △ 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%) ※ 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	ドンカポノ	杉浦健（兵庫）	実32.6	▲詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯10走で勝率30%／同馬場状態で勝率33%）
前5走 05/04 園田11R 7着/12頭+1.6秒 12/16 園田11R 3着/8頭+1.3秒 11/13 園田11R 8着/12頭+0.6秒 10/16 名古屋11R 7着/12頭+2.5秒 05/05 園田11R 2着/10頭+0.2秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0着 ○ 当競馬場適性 13走で勝率 23% (相性良) ◎ 距離適性同距離 10走で勝率 30% ◎ 馬場適性同馬場 3走で勝率 33% △ 期待値 (オッズ vs AI勝率) +24% (市場と概ね一致) AI 予想勝率 3.8% (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。
7	ワンダーブリング	小牧太（兵庫）	実1.3	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場9走で勝率89%と適性高／同距離帯8走で勝率100%／直近3走で勝率100%と好調）
前5走 04/28 園田11R 1着/11頭勝利 03/19 園田11R 1着/11頭勝利 01/02 園田10R 1着/11頭勝利 12/10 園田10R 1着/12頭勝利 11/20 園田10R 1着/9頭勝利
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 100% (絶好調) ◎ 当競馬場適性 9走で勝率 89% (得意) ◎ 距離適性同距離 8走で勝率 100% ◎ 騎手近50戦勝率 30% (好調) ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -34% (大幅な期待値マイナス) AI 予想勝率 50.7% (オッズ暗示: 76.9%) ※ 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。
8	スマイルサルファー	笹田知（兵庫）	実32.3	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は6走で勝ち無し）
前5走 05/04 園田11R 8着/12頭+1.7秒 04/07 園田11R 10着/12頭+1.7秒 10/22 園田11R 2着/11頭+0.1秒 10/17 名古屋11R 3着/11頭+0.3秒 09/20 園田11R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -0% (オッズ過剰評価) AI 予想勝率 3.1% (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	アウグスト	川原正（兵庫）	実154.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場6走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し）
前5走 05/07 園田10R 8着/8頭+7.5秒 04/15 園田11R 9着/9頭+2.5秒 08/29 園田8R 5着/5頭+3.7秒 07/18 園田11R 12着/12頭+7.2秒 07/03 園田11R 7着/11頭+1.4秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 3走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +168% (市場が大幅過小評価) AI 予想勝率 1.7% (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。
10	アーマルコライト	塩津璃（兵庫）	実46.0	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/07 園田11R 8着/8頭+4.4秒 04/21 園田11R 4着/6頭+2.1秒 ― ― ―
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.0着 ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 2.5% (オッズ暗示: 2.2%) ※ 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。

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）

11R 園田競馬場ダート1400m　発走 19:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	メズメライザー	下原理（兵庫）	実36.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.0着と低調／騎手は近50戦で勝率20%）
前5走 05/15 園田11R 8着/12頭+0.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.0着 (不振) ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +113% (市場が大幅過小評価) AI 予想勝率 5.9% (オッズ暗示: 2.8%) ※ 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	ダイジョバナイ推奨	大山真（兵庫）	実14.7	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+76%の中穴候補（直近3走勝率67%と絶好調／当競馬場23走で勝率48%と適性高／同距離帯で勝率42%と得意）
前5走 05/04 園田11R 11着/12頭+3.5秒 03/17 園田8R 1着/5頭勝利 11/18 園田11R 1着/10頭勝利 11/03 園田8R 7着/10頭+2.3秒 10/03 園田11R 1着/8頭勝利
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 23走で勝率 48% (得意) ◎ 距離適性同距離 12走で勝率 42% ◎ 馬場適性同馬場 5走で勝率 40% ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +76% (市場が大幅過小評価) AI 予想勝率 12.0% (オッズ暗示: 6.8%) ※ 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。
3	ゼンダンスカイ	笹田知（兵庫）	実11.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯7走で勝率29%／直近3走で勝率33%と好調／前走3着）
前5走 04/30 園田11R 3着/10頭+0.2秒 04/14 園田11R 1着/9頭勝利 03/18 園田11R 2着/10頭+0.3秒 01/08 園田11R 3着/10頭+0.8秒 12/10 園田11R 5着/9頭+0.9秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 13走で勝率 23% (相性良) ◎ 距離適性同距離 7走で勝率 29% ○ 馬場適性同馬場 4走で勝率 25% ○ 騎手近50戦勝率 16% ○ 前走実績前走 3着 (好走) △ 期待値 (オッズ vs AI勝率) +22% (市場と概ね一致) AI 予想勝率 10.9% (オッズ暗示: 8.9%) ※ 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。
4	リコーシーウルフ	竹村達（兵庫）	実36.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（同馬場状態で勝率33%／直近3走で勝率33%と好調）
前5走 05/15 園田11R 7着/12頭+0.7秒 04/15 園田11R 4着/9頭+0.8秒 04/01 園田12R 1着/10頭勝利 01/14 園田11R 8着/12頭+1.6秒 12/16 園田11R 6着/8頭+3.1秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 7走で勝率 14% ○ 距離適性同距離 14走で勝率 21% ◎ 馬場適性同馬場 3走で勝率 33% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 21日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +69% (市場が大幅過小評価) AI 予想勝率 4.7% (オッズ暗示: 2.8%) ※ 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	ミグラテール	永井孝（兵庫）	実42.3	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/22 園田11R 5着/12頭 04/07 園田11R 6着/12頭+1.2秒 03/19 園田11R 6着/11頭+0.8秒 01/14 園田11R 4着/12頭+1.0秒 01/03 園田11R 9着/12頭+0.7秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 22走で勝率 14% ○ 距離適性同距離 16走で勝率 19% ○ ローテーション 14日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.8% (オッズ暗示: 2.4%) ※ 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。
6	サトノルフィアン	吉村智（兵庫）	実1.7	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（直近3走で勝率50%と好調／前走3着／騎手は近50戦で勝率38%）
前5走 05/04 園田11R 3着/12頭+0.2秒 04/07 園田11R 1着/12頭勝利 ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 直近3戦の調子勝率 50% (絶好調) ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 34.8% (オッズ暗示: 58.8%) ※ 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。
7	ニホンピロハーバー	杉浦健（兵庫）	実105.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（156日ぶりの実戦）
前5走 12/31 園田12R 5着/11頭+2.9秒 12/11 園田11R 5着/12頭+0.8秒 ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 △ ローテーション 156日休養明け ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 1.3% (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。
8	フラフ	山本咲（兵庫）	実2.8	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場21走で勝率62%と適性高／同距離帯9走で勝率89%／同馬場状態で勝率62%）
前5走 05/04 園田11R 1着/12頭勝利 01/03 園田11R 6着/12頭+0.3秒 11/27 園田12R 5着/12頭+1.5秒 10/28 園田10R 4着/6頭+1.5秒 08/15 園田11R 3着/12頭+0.4秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 21走で勝率 62% (得意) ◎ 距離適性同距離 9走で勝率 89% ◎ 馬場適性同馬場 8走で勝率 62% ◎ 前走実績前走 1着 (勢い継続) × 期待値 (オッズ vs AI勝率) -41% (大幅な期待値マイナス) AI 予想勝率 21.1% (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。
9	ミステリーボックス	田野豊（兵庫）	実16.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は10走で勝ち無し）
前5走 05/04 園田11R 10着/12頭+2.5秒 04/07 園田11R 3着/12頭+0.4秒 11/18 園田11R 6着/10頭+0.4秒 10/22 園田11R 5着/11頭+0.6秒 09/26 園田11R 7着/10頭+1.6秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 16走で勝率 12% ▽ 距離適性同距離は 10走で勝ち無し ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 6.1% (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。
10	ドラゴンゴクウ	廣瀬航（兵庫）	実40.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し）
前5走 05/07 園田11R 6着/8頭+2.3秒 04/07 園田11R 8着/12頭+1.4秒 01/14 園田11R 7着/12頭+1.6秒 12/16 園田11R 5着/8頭+1.6秒 11/18 園田11R 2着/10頭+0.2秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し × 期待値 (オッズ vs AI勝率) -42% (大幅な期待値マイナス) AI 予想勝率 1.4% (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。

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. 市場込みモデル

単勝 2 ダイジョバナイ実14.7倍期待値 +76% 推奨 10.8〜19.9倍 100円 ❌不的中4着

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

12R 園田競馬場ダート820m　発走 20:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ペイシャツネ	廣瀬航（兵庫）	実40.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は4走で勝ち無し）
前5走 05/04 園田12R 9着/11頭+1.8秒 04/21 園田12R 4着/10頭+0.2秒 04/09 園田12R 3着/12頭+0.4秒 03/18 園田12R 8着/12頭+0.9秒 12/30 園田9R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.3着 △ 当競馬場適性 11走で勝率 9% ▽ 距離適性同距離は 4走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +100% (市場が大幅過小評価) AI 予想勝率 5.0% (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。
2	ルヴァンヴェール	川原正（兵庫）	実47.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/20 園田12R 6着/12頭 05/04 園田12R 7着/11頭+1.2秒 12/30 園田12R 5着/12頭+0.9秒 12/16 園田12R 6着/12頭+0.5秒 11/26 園田10R 5着/12頭+1.0秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 ○ 当競馬場適性 11走で勝率 18% (相性良) ○ 距離適性同距離 10走で勝率 20% ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 2.4% (オッズ暗示: 2.1%) ※ 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。
3	ヴァンセゾニエ	南部楓（兵庫）	実61.1	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均9.3着と低調）
前5走 05/04 園田12R 11着/11頭+2.1秒 04/21 園田12R 5着/10頭+0.3秒 12/30 園田9R 12着/12頭+3.8秒 12/10 園田12R 2着/12頭+0.2秒 11/25 園田9R 1着/10頭勝利
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 9.3着 (不振) ○ 当競馬場適性 11走で勝率 18% (相性良) ○ 距離適性同距離 9走で勝率 22% ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +63% (市場が大幅過小評価) AI 予想勝率 2.7% (オッズ暗示: 1.6%) ※ 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。
4	ホルンフェルス	小牧太（兵庫）	実17.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場3走で勝率33%と適性高／直近3走で勝率33%と好調／騎手は近50戦で勝率30%）
前5走 05/14 園田12R 10着/12頭+2.3秒 04/21 園田6R 6着/10頭+0.5秒 04/01 園田5R 1着/12頭勝利 ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 3走で勝率 33% (得意) ◎ 騎手近50戦勝率 30% (好調) ▽ 前走実績前走 10着 (大敗) ○ ローテーション 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 6.2% (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。
5	ミストルティン	佐々世（兵庫）	実65.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は22走で勝ち無し）
前5走 05/04 園田5R 5着/10頭+0.6秒 04/21 園田6R 8着/10頭+1.0秒 04/09 園田12R 9着/12頭+0.9秒 03/24 園田12R 7着/12頭+0.6秒 01/08 園田12R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 38走で勝率 11% ▽ 距離適性同距離は 22走で勝ち無し ○ 馬場適性同馬場 11走で勝率 27% △ 期待値 (オッズ vs AI勝率) -7% (オッズ過剰評価) AI 予想勝率 1.4% (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。
6	ナリタヴィクトリー	杉浦健（兵庫）	実67.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は9走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/14 園田12R 11着/12頭+2.9秒 04/28 園田9R 12着/12頭+3.6秒 04/08 園田8R 1着/10頭勝利 03/25 園田6R 2着/12頭+0.2秒 12/30 園田12R 10着/12頭+1.5秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 14走で勝率 7% ▽ 距離適性同距離は 9走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 22日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -43% (大幅な期待値マイナス) AI 予想勝率 0.8% (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。
7	チュッチュポッポ	下原理（兵庫）	実2.8	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場5走で勝率0%と苦戦傾向／同距離帯は4走で勝ち無し／騎手は近50戦で勝率20%）
前5走 05/04 園田12R 6着/11頭+1.2秒 04/09 園田12R 2着/12頭+0.1秒 10/22 園田12R 11着/12頭+3.4秒 10/01 園田12R 5着/12頭+0.5秒 09/18 園田6R 2着/12頭+0.0秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 5走で勝率 0% (苦戦) ▽ 距離適性同距離は 4走で勝ち無し ◎ 騎手近50戦勝率 20% (好調) × 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 12.2% (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。
8	ジャンマギアーナ	笹田知（兵庫）	実7.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率33%と好調）
前5走 05/20 園田12R 5着/12頭+1.0秒 04/30 園田6R 1着/12頭勝利 04/15 園田6R 2着/12頭+0.1秒 04/01 園田9R 3着/12頭+0.4秒 12/30 園田10R 11着/12頭+1.6秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 26走で勝率 12% ○ 距離適性同距離 6走で勝率 17% ○ 騎手近50戦勝率 16% ○ ローテーション 16日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 12.4% (オッズ暗示: 14.1%) ※ 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	フェアリータイザン推奨	山本咲（兵庫）	実18.7	○詳細▼	市場が大きく過小評価、AI予想勝率13% × オッズ18.7倍で期待値+143%の有力候補（近5走で勝率20%と堅実／当競馬場17走で勝率29%と適性高／同距離帯で勝率50%と得意）
前5走 05/14 園田12R 12着/12頭+3.0秒 04/21 園田12R 9着/10頭+0.8秒 12/24 園田12R 6着/11頭+1.0秒 12/03 園田10R 4着/12頭+0.7秒 11/06 園田12R 1着/12頭勝利
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 9.0着 (不振) ◎ 当競馬場適性 17走で勝率 29% (得意) ◎ 距離適性同距離 10走で勝率 50% ○ 馬場適性同馬場 4走で勝率 25% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +143% (市場が大幅過小評価) AI 予想勝率 13.0% (オッズ暗示: 5.3%) ※ 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。
10	ギフトバスケット	田野豊（兵庫）	実23.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場6走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走3着）
前5走 05/04 園田5R 3着/10頭+0.5秒 04/21 園田6R 7着/10頭+0.8秒 04/09 園田12R 10着/12頭+1.2秒 03/24 園田12R 9着/12頭+0.7秒 01/02 園田12R 8着/12頭+2.0秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ 前走実績前走 3着 (好走) 🌟◎ 期待値 (オッズ vs AI勝率) +88% (市場が大幅過小評価) AI 予想勝率 8.1% (オッズ暗示: 4.3%) ※ 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。
11	カワキタボーダレス	吉村智（兵庫）	実2.0	◎詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場16走で勝率38%と適性高／同距離帯11走で勝率55%／同馬場状態で勝率33%）
前5走 05/04 園田5R 2着/10頭+0.2秒 04/15 園田6R 1着/12頭勝利 04/01 園田9R 6着/12頭+0.7秒 10/30 園田12R 1着/12頭勝利 10/15 園田12R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 16走で勝率 38% (得意) ◎ 距離適性同距離 11走で勝率 55% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 騎手近50戦勝率 38% (好調) ○ 前走実績前走 2着 (好走) × 期待値 (オッズ vs AI勝率) -31% (大幅な期待値マイナス) AI 予想勝率 34.4% (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。
12	ラクスガウディ	新庄海（兵庫）	実69.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率33%と好調／157日ぶりの実戦）
前5走 12/30 園田9R 8着/12頭+1.0秒 12/10 園田12R 1着/12頭勝利 11/25 園田10R 4着/10頭+0.9秒 11/06 園田12R 4着/12頭+0.3秒 10/28 園田5R 7着/12頭+0.8秒
AI 評価の内訳 — 馬番 12 ○ 直近3戦の調子勝率 33% (上り調子) △ 当競馬場適性 39走で勝率 8% △ 距離適性同距離 19走で勝率 11% ○ 馬場適性同馬場 10走で勝率 20% △ ローテーション 157日休養明け △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 1.3% (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。

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. 市場込みモデル

単勝 9 フェアリータイザン実18.7倍期待値 +143% 推奨 10.0〜30.0倍 200円
馬連 9-11 実18.8倍期待値 +125% 100円
3連複 8-9-11 実33.4倍期待値 +144% 100円

B. 市場除外+キャリブ

このモデルは本レース見送り判定（期待値プラスなし）

※ オッズは予測時点の値です。締切時には変動します。最終確認のうえご利用ください。
2モデルの説明はこちら

🎯 直近3日の的中馬券7件

2026/06/05（金）2的中

2026年

06月05日

名古屋

3レース

単
勝

ノーチェ

オッズ17.3倍

払戻 3,460円

2026年

06月05日

船橋

2レース

単
勝

ウィズラブ

オッズ4.5倍

払戻 1,800円

2026/06/04（木）4的中

2026年

06月04日

園田

8レース

単
勝

ザタイムズ

オッズ10.7倍

払戻 2,140円

2026年

06月04日

園田

3レース

馬
連

4-7

オッズ7.7倍

払戻 3,850円

2026年

06月04日

名古屋

12レース

単
勝

パーソナルレコード

オッズ8.1倍

払戻 810円

2026年

06月04日

名古屋

2レース

単
勝

ジオパークコハク

オッズ13.7倍

払戻 1,370円

2026/06/03（水）1的中

2026年

06月03日

名古屋

1レース

馬
連

1-5

オッズ9.7倍

払戻 970円

本サイトはアフィリエイト広告を含みます。当サイトを経由して投票サイトに登録 / 入金 / 投票することで、当サイト運営者に紹介料が支払われる場合があります。馬券購入は自己責任でお願いします。

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。

注目の騎手ランク

1 御神訓(大井) ★★★★★
2 吉村智（兵庫） ★★★★★
3 笹川翼（大井） ★★★★★
4 小牧太（兵庫） ★★★★★
5 川島正（船橋） ★★★★★

本日の注目レース

15:35 名古屋 7R

AI最高期待値 +172%。市場と AI 評価の乖離が大きい狙い目です。

14:25 園田 1R

AI最高期待値 +156%。市場と AI 評価の乖離が大きい狙い目です。

18:45 園田 9R

AI最高期待値 +154%。市場と AI 評価の乖離が大きい狙い目です。

AIニュース

モデル精度 AUC 0.879

検証データ None で計測。0.85 以上で実用域・0.90 以上で高精度の目安です。

累計回収率 100.4% で運用中

累計買い目 288 件 / 的中率 7.3% / 収支 +210円。プラス圏で推移しています。

オッズ5〜30倍を中心に推奨

市場効率と AI 評価の乖離が大きく、CV 検証で最も std（変動）が小さい帯です。期待値プラスの馬券だけを抽出します。

1/20 ケリー基準で資金管理

破産確率を実質ゼロに抑える保守的なベット額計算。1回の負けで残高が大きく削られない設計です。

毎月モデルを再学習

前月までの全レース結果を学習データに加え、馬・騎手・コースの最新傾向を反映します。

推奨の買い目

14:00 名古屋 4R 　3番　ディヴィナス
14:25 園田 1R 　7番　テルモピュライ
14:25 園田 1R 　3連複　5-7-9
14:55 園田 2R 　5番　インザスカイ
15:05 名古屋 6R 　6番　セイウンピカイチ
15:25 園田 3R 　馬連　5-6

運用サマリ 2モデル並走

A. 市場込みモデル

累計288 / 的中7.3% / 回収100.4% / 収支+210円

B. 市場除外+キャリブ

累計60 / 的中3.3% / 回収50.6% / 収支-5,140円

本日の推奨馬 AIランクTOP5 期待値順

運用実績 2モデル並走

📢 お知らせ

本日の全レース予想

🎯 直近3日の的中馬券7件