Stride AI - 南関東競馬AI予想 2026-06-04

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 14:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ゴッドブラウン	本田重（船橋）	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（前走3着／騎手は近50戦で勝率20%）
前5走 05/08 船橋1R 3着/7頭+0.8秒 11/06 船橋2R 6着/7頭+3.7秒 ― ― ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.5着 ◎ 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 27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 31.8% (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。
2	アンジェロピッコロ	笠野雄（船橋）	実29.2	△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3走で勝ち無し／前走3着）
前5走 05/08 船橋2R 3着/9頭+0.7秒 04/03 船橋1R 6着/9頭+1.2秒 03/11 船橋1R 9着/11頭+3.4秒 10/02 船橋3R 5着/6頭+3.9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 4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 3着 (好走) ○ ローテーション 27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 5.1% (オッズ暗示: 3.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ユウユウスター	和田譲（大井）	実128.2	▽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7走で勝ち無し）
前5走 05/08 船橋2R 5着/9頭+0.9秒 04/03 船橋1R 5着/9頭+0.9秒 03/11 船橋1R 7着/11頭+2.7秒 02/13 船橋2R 7着/9頭+2.5秒 01/23 船橋1R 5着/7頭+1.2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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ ローテーション 27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 1.3% (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。
4	エスケイドラゴン	藤本現（大井）	実4.4	○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／134日ぶりの実戦）
前5走 01/21 船橋1R 6着/10頭+1.6秒 12/10 船橋2R 7着/9頭+2.1秒 11/06 船橋2R 3着/7頭+1.9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 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% △ ローテーション 134日休養明け △ 期待値 (オッズ vs AI勝率) -12% (オッズ過剰評価) AI 予想勝率 20.0% (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。
5	カミカゼスカイ	澤田龍（船橋）	実12.6	▲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3走で勝ち無し）
前5走 05/07 船橋1R 7着/12頭+2.6秒 03/11 船橋1R 3着/11頭+2.0秒 01/23 船橋4R 6着/11頭+1.6秒 12/12 船橋1R 5着/7頭+4.2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 4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 18% ○ 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) -18% (オッズ過剰評価) AI 予想勝率 6.5% (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。
6	トゥンカロン	木間龍（船橋）	実88.4	▽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／直近3走平均9.3着と低調）
前5走 02/12 船橋2R 11着/12頭+2.0秒 01/21 船橋1R 9着/10頭+2.3秒 12/10 船橋2R 8着/9頭+2.4秒 11/04 船橋1R 7着/8頭+2.5秒 09/30 船橋1R 6着/10頭+3.8秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.3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 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 11着 (大敗) △ ローテーション 112日休養明け 🌟◎ 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 1.8% (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。
7	オールインアリス	菅原吏（船橋）	実56.6	▽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6走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/19 大井10R 13着/13頭+2.9秒 05/07 船橋1R 8着/12頭+2.8秒 04/07 川崎7R 11着/11頭+4.7秒 04/03 船橋1R 4着/9頭+0.9秒 03/13 船橋1R 4着/8頭+2.0秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 10.7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 6走で勝ち無し ▽ 前走実績前走 13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) -28% (オッズ過剰評価) AI 予想勝率 1.3% (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。
8	ステレオカリー推奨	野畑凌（川崎）	実4.8	○詳細▼	期待値プラスでAIの推し馬（適度な間隔で状態万全／騎手の手腕も後押し）
前5走 05/08 船橋2R 4着/9頭+0.9秒 01/23 船橋2R 4着/7頭+1.5秒 12/12 船橋1R 6着/7頭+4.5秒 ― ―
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 × 当競馬場適性 3走で勝率 0% (苦戦) ○ 騎手近50戦勝率 18% ○ ローテーション 27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 18.2% (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。
9	ヤギリパール	小杉亮（船橋）	実7.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（177日ぶりの実戦）
前5走 12/09 船橋1R 7着/10頭+1.6秒 11/07 船橋4R 4着/8頭+2.0秒 ― ― ―
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.5着 △ 騎手近50戦勝率 4% (やや苦戦) △ ローテーション 177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 8.5% (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。
10	フロムイエスタディ	岡村健（船橋）	実48.7	△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 05/08 船橋2R 8着/9頭+1.8秒 02/13 船橋2R 4着/9頭+0.6秒 01/23 船橋4R 8着/11頭+2.0秒 12/11 船橋1R 5着/11頭+1.8秒 11/07 船橋2R 11着/12頭+4.2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 ○ ローテーション 27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 3.0% (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。
11	インキュナブラ	山本大（船橋）	実49.5	△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 6着/9頭+1.2秒 12/11 船橋2R 5着/12頭+1.7秒 11/07 船橋1R 5着/12頭+2.5秒 10/03 船橋2R 10着/10頭+5.0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 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 2% (やや苦戦) ○ ローテーション 27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 2.6% (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。

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

単勝 8 ステレオカリー実4.8倍期待値 +1% 推奨 6.2〜10.4倍 200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

2R 船橋競馬場ダート1200m　発走 15:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ボンシャンス	笠野雄（船橋）	実56.2	△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／112日ぶりの実戦）
前5走 02/12 船橋2R 5着/12頭+1.3秒 01/23 船橋4R 3着/11頭+0.9秒 10/01 船橋1R 4着/11頭+1.8秒 08/30 船橋2R 6着/6頭+4.2秒 ―
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0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 112日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +78% (市場が大幅過小評価) AI 予想勝率 3.2% (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。
2	リュウノキャロット	和田譲（大井）	実64.7	△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／同距離帯は5走で勝ち無し／直近3走平均9.0着と低調）
前5走 05/28 浦和1R 9着/11頭+0.0秒 05/07 船橋2R 9着/12頭+3.2秒 04/01 船橋1R 9着/12頭+1.6秒 03/10 船橋2R 4着/8頭+0.8秒 02/12 船橋2R 9着/12頭+1.6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 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) +55% (市場が大幅過小評価) AI 予想勝率 2.4% (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。
3	ピタカゲ	澤田龍（船橋）	実59.3	▽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／同距離帯は3走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/07 船橋2R 7着/12頭+3.2秒 02/11 船橋2R 10着/10頭+3.0秒 01/22 船橋3R 13着/13頭+3.4秒 08/28 船橋2R 2着/8頭+0.3秒 08/01 船橋3R 5着/6頭+3.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.0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 3走で勝ち無し ○ 騎手近50戦勝率 18% ○ 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) +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。
4	ジーハーン	矢野貴（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（直近3走平均2.0着と安定／前走2着／174日ぶりの実戦）
前5走 12/12 船橋2R 2着/7頭+0.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.0着 (安定) ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 2着 (好走) △ ローテーション 174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 44.2% (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。
5	グリーンアンシェル	中山遥（浦和）	実74.3	▽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／直近3走平均9.0着と低調）
前5走 05/07 船橋2R 12着/12頭+4.2秒 01/20 船橋2R 8着/9頭+2.0秒 12/09 船橋7R 7着/13頭+1.7秒 11/05 船橋1R 3着/11頭+0.4秒 10/02 船橋7R 11着/11頭+5.1秒
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 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 12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) -46% (大幅な期待値マイナス) AI 予想勝率 0.7% (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	ウォニョン	菅原吏（船橋）	実47.3	▲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／同距離帯は3走で勝ち無し）
前5走 05/07 船橋1R 12着/12頭+4.8秒 11/04 船橋1R 5着/8頭+1.8秒 10/02 船橋7R 6着/11頭+1.7秒 08/27 船橋3R 7着/12頭+1.2秒 07/31 船橋3R 3着/6頭+1.1秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7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 3走で勝ち無し ▽ 前走実績前走 12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) +115% (市場が大幅過小評価) AI 予想勝率 4.6% (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。
7	ナックナック	木間龍（船橋）	実85.6	▽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5走で勝ち無し）
前5走 05/07 船橋1R 5着/12頭+2.1秒 04/03 船橋2R 5着/11頭+1.3秒 03/12 船橋7R 9着/9頭+3.4秒 12/09 船橋7R 9着/13頭+4.0秒 11/04 船橋1R 8着/8頭+3.2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 9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) ○ 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) -48% (大幅な期待値マイナス) AI 予想勝率 0.6% (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。
8	スコーレブロー推奨	山口達（船橋）	実25.7	▲詳細▼	市場が大きく過小評価、AI予想勝率9% × オッズ25.7倍で期待値+127%の有力候補（市場想定よりAI評価が高く妙味）
前5走 09/29 船橋3R 5着/7頭+1.0秒 09/08 川崎3R 9着/11頭+2.0秒 08/27 船橋3R 9着/12頭+2.0秒 08/01 船橋3R 2着/6頭+2.2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 3走で勝率 0% (苦戦) △ ローテーション 248日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +127% (市場が大幅過小評価) AI 予想勝率 8.8% (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。
9	ターンイットアップ	沖響主（船橋）	実170.6	▽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／同距離帯は5走で勝ち無し）
前5走 05/07 船橋2R 11着/12頭+3.6秒 04/01 船橋1R 7着/12頭+1.5秒 03/11 船橋1R 2着/11頭+1.9秒 02/13 船橋1R 5着/8頭+2.0秒 01/23 船橋1R 6着/7頭+1.6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 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 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) -3% (オッズ過剰評価) AI 予想勝率 0.6% (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	サトゥルヌス	篠谷葵（船橋）	実3.1	○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 05/08 船橋1R 2着/7頭+0.8秒 ― ― ― ―
AI 評価の内訳 — 馬番 10 ○ 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 27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 17.5% (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。
11	ハッピーデイジー	濱田達（船橋）	実14.3	○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3走で勝ち無し）
前5走 05/07 船橋1R 4着/12頭+2.0秒 04/03 船橋1R 2着/9頭+0.6秒 03/13 船橋1R 6着/8頭+2.4秒 10/02 船橋2R 6着/8頭+3.6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 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 28日の間隔 (理想的) 🌟◎ 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 11.7% (オッズ暗示: 7.0%) ※ 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	エターナルフィズ	山本大（船橋）	実50.0	△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6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2R 10着/12頭+3.3秒 04/01 船橋2R 11着/12頭+3.7秒 03/10 船橋4R 10着/11頭+2.5秒 12/10 船橋2R 4着/9頭+1.6秒 11/07 船橋1R 3着/12頭+0.5秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 10.3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 6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 28日の間隔 (理想的) 🌟◎ 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 3.5% (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。

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 8 スコーレブロー実25.7倍期待値 +127% 推奨 14.7〜30.0倍 100円 ❌不的中6着

B. 市場除外+キャリブ

単勝 8 スコーレブロー実25.7倍期待値 +123% 推奨 15.0〜30.0倍 100円 ❌不的中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1000m　発走 15:34

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リュウノキング	野澤憲（船橋）	実15.7	▲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 1 △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 5.4% (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。
2	グランデアーリ	岡村健（船橋）	実5.5	○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 △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 14.3% (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。
3	コパノオマツリ	笹川翼（大井）	実4.2	○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40%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 騎手近50戦勝率 40% (好調) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 20.2% (オッズ暗示: 23.8%) ※ 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	オペルクリカリア	和田譲（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
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 4 △ 期待値 (オッズ vs AI勝率) -27% (オッズ過剰評価) AI 予想勝率 52.4% (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。
5	トップオブトップ	仲野光（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 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -23% (オッズ過剰評価) AI 予想勝率 7.7% (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。

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 1 リュウノキング実15.7倍期待値 +75% 推奨 11.6〜21.2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 16:09

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アシレ	中山遥（浦和）	実130.9	△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 05/25 浦和9R 9着/11頭 05/08 船橋5R 12着/12頭+4.4秒 04/24 浦和7R 7着/11頭+3.6秒 12/25 浦和1R 2着/11頭+0.4秒 07/23 名古屋3R 3着/12頭+1.8秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 9.3着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +246% (市場が大幅過小評価) AI 予想勝率 2.6% (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	シャイニングアース	小杉亮（船橋）	実41.1	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/06 船橋2R 8着/12頭+0.9秒 04/02 船橋1R 9着/11頭+2.8秒 03/11 船橋2R 3着/10頭+0.5秒 02/10 船橋1R 1着/12頭勝利 01/20 船橋4R 7着/12頭+1.7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 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 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 2.8% (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。
3	フルーツパフェ	岡村健（船橋）	実31.9	▲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／前走3着）
前5走 05/27 浦和2R 3着/12頭+0.0秒 05/06 船橋1R 7着/10頭+1.6秒 04/01 船橋6R 3着/13頭+0.5秒 03/18 浦和4R 4着/10頭+1.0秒 03/04 川崎1R 5着/12頭+0.8秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.3着 × 当競馬場適性 13走で勝率 0% (苦戦) △ 距離適性同距離 26走で勝率 8% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) 🌟◎ 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 5.2% (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。
4	キーチパーヘチュア	椿聡太（船橋）	実304.2	▽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6走で勝ち無し／直近3走平均10.0着と低調）
前5走 05/15 川崎6R 11着/12頭+3.6秒 04/09 川崎4R 8着/11頭+1.6秒 03/06 川崎12R 11着/13頭+3.4秒 02/06 川崎7R 11着/11頭+6.4秒 01/02 川崎2R 13着/14頭+2.8秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 10.0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 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +80% (市場が大幅過小評価) AI 予想勝率 0.6% (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。
5	アオイヒビキ	沖響主（船橋）	実8.2	▲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 03/30 船橋2R 1着/11頭勝利 01/20 船橋4R 5着/12頭+1.3秒 12/12 船橋4R 2着/5頭+2.3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 3走で勝率 33% (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) △ 期待値 (オッズ vs AI勝率) -21% (オッズ過剰評価) AI 予想勝率 9.6% (オッズ暗示: 12.2%) ※ 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	サトノオリエンタル	笹川翼（大井）	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38%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 6 ◎ 騎手近50戦勝率 38% (好調) × 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 33.6% (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。
7	イスラデルノルテ	山本大（船橋）	実5.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／前走2着）
前5走 05/06 船橋1R 2着/10頭+0.1秒 03/11 船橋2R 2着/10頭+0.0秒 08/31 船橋5R 8着/12頭+1.6秒 08/01 船橋2R 10着/11頭+1.7秒 07/06 船橋5R 3着/7頭+0.2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 9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 2着 (好走) × 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 12.3% (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。
8	ノワスティエ	七夕裕（浦和）	実119.0	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 04/23 浦和3R 6着/10頭+1.0秒 04/02 船橋1R 10着/11頭+3.0秒 03/17 浦和4R 6着/10頭+1.3秒 02/27 浦和1R 5着/9頭+1.2秒 01/08 浦和1R 3着/12頭+2.8秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3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) +355% (市場が大幅過小評価) AI 予想勝率 3.8% (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。
9	ハーモニーホクト	本田重（船橋）	実3.8	○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62%と適性高／同距離帯8走で勝率62%／直近3走で勝率33%と好調）
前5走 11/28 浦和4R 10着/10頭+2.7秒 11/06 船橋1R 1着/11頭勝利 10/01 船橋3R 2着/12頭+1.0秒 08/29 船橋2R 1着/11頭勝利 05/31 船橋7R 7着/12頭+2.0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 8走で勝率 62% (得意) ◎ 距離適性同距離 8走で勝率 62% ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 10着 (大敗) △ ローテーション 188日休養明け △ 期待値 (オッズ vs AI勝率) +3% (市場と概ね一致) AI 予想勝率 27.2% (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。
10	エメラルアタック	野澤憲（船橋）	実193.2	▽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9走で勝ち無し／直近3走平均10.3着と低調）
前5走 05/06 船橋1R 10着/10頭+2.9秒 12/08 船橋5R 12着/12頭+5.5秒 11/04 船橋4R 9着/12頭+3.7秒 10/02 船橋5R 11着/12頭+5.3秒 08/31 船橋2R 6着/11頭+0.6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 15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 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) +104% (市場が大幅過小評価) AI 予想勝率 1.1% (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	カナーリオ	西村栄（船橋）	実200.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（84日ぶりの実戦）
前5走 03/12 船橋1R 11着/11頭+4.5秒 02/11 船橋4R 4着/12頭+1.3秒 01/21 船橋2R 6着/12頭+1.2秒 12/11 船橋5R 10着/12頭+2.4秒 11/06 船橋4R 12着/12頭+3.2秒
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 7.0着 (不振) △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 9走で勝率 11% △ 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) +130% (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。

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 船橋競馬場ダート1500m　発走 16:38

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヘヴンリーゴール	笹川翼（大井）	実10.6	△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40%）
前5走 05/14 川崎5R 10着/12頭+1.3秒 04/09 川崎5R 2着/12頭+0.7秒 03/05 川崎2R 1着/10頭勝利 02/04 川崎1R 2着/10頭+0.6秒 11/20 名古屋9R 6着/12頭+1.6秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子勝率 33% (上り調子) △ 距離適性同距離 9走で勝率 11% ◎ 騎手近50戦勝率 40% (好調) ▽ 前走実績前走 10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) -24% (オッズ過剰評価) AI 予想勝率 7.1% (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	アスクアーバンシー	櫻井光（川崎）	実5.4	○詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/14 川崎6R 5着/11頭+1.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 ○ 騎手近50戦勝率 18% ○ 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) -26% (オッズ過剰評価) AI 予想勝率 13.6% (オッズ暗示: 18.5%) ※ 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	トーセンムーヴ	見越彬（浦和）	実150.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調／80日ぶりの実戦）
前5走 03/16 浦和8R 11着/12頭+4.3秒 02/25 浦和4R 11着/12頭+4.3秒 04/09 川崎4R 9着/9頭+2.8秒 12/24 浦和4R 9着/9頭+2.7秒 11/15 川崎4R 6着/6頭+4.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.3着 (不振) △ 距離適性同距離 8走で勝率 12% ○ 騎手近50戦勝率 14% ▽ 前走実績前走 11着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +275% (市場が大幅過小評価) AI 予想勝率 2.5% (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。
4	ウェカピポ	野畑凌（川崎）	実7.1	▲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6走で勝率50%）
前5走 05/08 船橋7R 6着/12頭+0.9秒 03/31 船橋3R 5着/12頭+1.3秒 03/10 船橋8R 5着/12頭+1.0秒 02/12 船橋3R 4着/12頭+0.7秒 01/23 船橋3R 1着/13頭勝利
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 6走で勝率 17% (相性良) ◎ 距離適性同距離 6走で勝率 50% ○ 騎手近50戦勝率 18% ○ ローテーション 27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 10.2% (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。
5	ロワゾブルーチヌ	佐野遥（川崎）	実28.7	△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／前走2着）
前5走 05/27 浦和5R 2着/9頭+1.0秒 04/20 浦和8R 7着/11頭+1.4秒 03/18 浦和5R 4着/8頭+1.2秒 02/26 浦和2R 5着/11頭+2.2秒 ―
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 4.3着 ▽ 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 2着 (好走) ◎ 期待値 (オッズ vs AI勝率) +40% (妙味あり) AI 予想勝率 4.9% (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。
6	エットトゥカム	西村栄（船橋）	実85.4	▽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9走で勝ち無し／前走2着）
前5走 05/08 船橋5R 2着/12頭+1.1秒 04/20 浦和9R 10着/13頭+2.0秒 04/03 船橋3R 8着/12頭+1.9秒 03/12 船橋4R 3着/9頭+0.7秒 02/13 船橋7R 8着/12頭+1.5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 8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 4% (やや苦戦) ○ 前走実績前走 2着 (好走) ○ ローテーション 27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 0.9% (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。
7	ソウ	實川純（船橋）	実193.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率4%と苦戦傾向／直近3走平均9.3着と低調）
前5走 05/07 船橋3R 12着/12頭+6.4秒 12/09 船橋6R 8着/11頭+3.8秒 11/19 川崎7R 8着/12頭+2.1秒 11/05 船橋8R 6着/12頭+1.9秒 10/01 船橋4R 5着/11頭+1.1秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 25走で勝率 4% (苦戦) △ 距離適性同距離 19走で勝率 5% ▽ 前走実績前走 12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) +114% (市場が大幅過小評価) AI 予想勝率 1.1% (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。
8	エウクレイア	中山遥（浦和）	実4.5	◎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（前走2着）
前5走 05/07 船橋3R 2着/12頭+1.5秒 04/03 船橋8R 10着/12頭+3.3秒 03/13 船橋5R 5着/11頭+1.7秒 02/13 船橋7R 1着/12頭勝利 01/22 船橋8R 5着/13頭+1.0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 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ○ 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) +5% (市場と概ね一致) AI 予想勝率 23.4% (オッズ暗示: 22.2%) ※ 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	テリオスボス	臼井健（船橋）	実13.0	▲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42走で勝ち無し）
前5走 05/27 浦和4R 7着/10頭+0.0秒 05/08 船橋6R 6着/11頭+0.9秒 04/02 船橋3R 2着/12頭+0.7秒 03/13 船橋5R 6着/11頭+2.1秒 02/26 浦和5R 6着/11頭+1.0秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.0着 × 当競馬場適性 18走で勝率 0% (苦戦) ▽ 距離適性同距離は 42走で勝ち無し △ 期待値 (オッズ vs AI勝率) +18% (市場と概ね一致) AI 予想勝率 9.1% (オッズ暗示: 7.7%) ※ 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	マインドザヘルム	菅原吏（船橋）	実198.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場28走で勝率0%と苦戦傾向／同距離帯は9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6R 10着/11頭+1.4秒 03/31 船橋3R 6着/12頭+1.9秒 03/12 船橋12R 12着/12頭+4.6秒 02/25 浦和2R 8着/13頭+1.8秒 02/11 船橋12R 10着/14頭+3.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 28走で勝率 0% (苦戦) ▽ 距離適性同距離は 9走で勝ち無し ▽ 前走実績前走 10着 (大敗) ○ ローテーション 27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 0.6% (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	ジンガブリッツ	矢野貴（大井）	実2.2	○詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯3走で勝率33%／直近3走で勝率33%と好調／前走2着）
前5走 04/10 川崎6R 2着/12頭+0.3秒 04/03 船橋3R 1着/12頭勝利 02/02 川崎1R 5着/8頭+0.8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 3走で勝率 33% ◎ 騎手近50戦勝率 28% (好調) ○ 前走実績前走 2着 (好走) × 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 23.3% (オッズ暗示: 45.5%) ※ 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	ノーヴヒーロー	山中悠（船橋）	実58.0	△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9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6R 9着/11頭+1.3秒 04/03 船橋8R 11着/12頭+3.6秒 03/10 船橋7R 8着/12頭+2.9秒 03/10 船橋3R 7着/8頭+2.1秒 02/25 浦和4R 5着/12頭+1.0秒
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 9.3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 9走で勝ち無し ○ ローテーション 27日の間隔 (理想的) 🌟◎ 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 3.2% (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。

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 1 ヘヴンリーゴール実10.6倍期待値 +184% 推奨 5.0〜24.5倍 400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

6R 船橋競馬場ダート1200m　発走 17:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マニーシーン	町田直（川崎）	実20.1	▽詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/15 川崎7R 6着/10頭+1.4秒 04/07 川崎4R 8着/12頭+2.1秒 03/03 川崎8R 7着/11頭+1.5秒 02/05 川崎7R 3着/12頭+0.4秒 01/02 川崎2R 1着/14頭勝利
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.0着 (不振) ○ ローテーション 20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 4.2% (オッズ暗示: 5.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	チーフルガール	野畑凌（川崎）	実8.3	△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／前走3着）
前5走 05/27 浦和5R 3着/9頭+0.0秒 05/07 船橋5R 3着/12頭+0.3秒 04/03 船橋5R 3着/12頭+0.4秒 03/10 船橋9R 11着/14頭+1.7秒 02/26 浦和5R 9着/11頭+1.8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 8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 18% ○ 前走実績前走 3着 (好走) × 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 6.2% (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。
3	ワールドクライシス	本田重（船橋）	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20%）
前5走 05/07 船橋6R 1着/12頭勝利 04/02 船橋3R 4着/12頭+1.8秒 03/12 船橋2R 4着/9頭+0.8秒 07/30 船橋4R 5着/12頭+2.2秒 07/04 船橋1R 2着/6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 6走で勝率 17% (相性良) ○ 距離適性同距離 5走で勝率 20% ◎ 騎手近50戦勝率 20% (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) -24% (オッズ過剰評価) AI 予想勝率 29.1% (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。
4	ダンガリー	小杉亮（船橋）	実4.3	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.3着と安定／前走2着）
前5走 05/07 船橋5R 2着/12頭+0.1秒 04/02 船橋2R 3着/9頭+1.6秒 03/12 船橋2R 2着/9頭+0.1秒 02/13 船橋4R 2着/12頭+0.1秒 01/22 船橋2R 2着/12頭+0.4秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 11走で勝率 9% △ 距離適性同距離 10走で勝率 10% △ 騎手近50戦勝率 4% (やや苦戦) ○ 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) -34% (大幅な期待値マイナス) AI 予想勝率 15.5% (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。
5	スターアイズ	沖響主（船橋）	実78.4	△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 05/08 船橋7R 9着/12頭+1.6秒 03/31 船橋5R 5着/10頭+2.1秒 03/10 船橋6R 10着/11頭+2.6秒 12/10 船橋7R 5着/12頭+2.1秒 11/07 船橋7R 9着/13頭+2.2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 7走で勝率 14% ○ 距離適性同距離 6走で勝率 17% ○ ローテーション 27日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +280% (市場が大幅過小評価) AI 予想勝率 4.9% (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。
6	ジェイルブレイク	本橋孝（船橋）	実4.3	○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0%と苦戦傾向／同距離帯は4走で勝ち無し／直近3走平均2.3着と安定）
前5走 05/08 船橋7R 3着/12頭+0.2秒 04/03 船橋5R 2着/12頭+0.4秒 03/13 船橋2R 2着/11頭+0.2秒 02/11 船橋5R 2着/12頭+0.9秒 01/22 船橋8R 4着/13頭+0.9秒
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.3着 (安定) × 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 ○ 前走実績前走 3着 (好走) ○ ローテーション 27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 12.5% (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	アミラジオネ	澤田龍（船橋）	実14.2	▲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6走で勝ち無し）
前5走 05/07 船橋6R 5着/12頭+1.2秒 04/03 船橋5R 8着/12頭+1.6秒 03/10 船橋8R 9着/12頭+1.7秒 12/10 船橋4R 3着/9頭+0.9秒 11/06 船橋7R 2着/12頭+0.2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 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 18% ○ 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) +29% (市場と概ね一致) AI 予想勝率 9.1% (オッズ暗示: 7.0%) ※ 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	シーメジャー	木間龍（船橋）	実83.7	▽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）
前5走 05/26 浦和4R 9着/11頭 05/11 川崎7R 5着/12頭+2.1秒 04/24 浦和6R 3着/11頭+0.7秒 04/09 川崎6R 12着/12頭+1.3秒 03/18 浦和12R 8着/12頭+2.0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 12走で勝率 0% (苦戦) △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 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 2.0% (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	スマイルプラス	椿聡太（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7R 4着/12頭+0.7秒 04/03 船橋9R 5着/10頭+0.7秒 03/10 船橋6R 5着/11頭+1.1秒 02/12 船橋4R 2着/12頭+0.2秒 01/23 船橋8R 3着/12頭+0.3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 6走で勝率 0% (苦戦) ▽ 距離適性同距離は 6走で勝ち無し ○ ローテーション 27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 7.6% (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。
10	ウインコンパス	西村栄（船橋）	実127.8	▽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6走で勝ち無し）
前5走 05/07 船橋6R 7着/12頭+1.6秒 04/03 船橋9R 7着/10頭+2.1秒 03/13 船橋2R 5着/11頭+1.5秒 02/11 船橋3R 7着/12頭+1.9秒 01/23 船橋7R 6着/13頭+2.1秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 9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 28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 1.0% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
11	ベラヴィットーリア	中越琉（川崎）	実21.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/14 川崎4R 4着/12頭+0.7秒 04/08 川崎6R 5着/12頭+0.5秒 03/05 川崎7R 7着/12頭+0.8秒 02/05 川崎6R 8着/12頭+1.4秒 12/18 川崎5R 11着/12頭+3.0秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.3着 △ 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) +39% (妙味あり) AI 予想勝率 6.5% (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	コルネイユドール	山中悠（船橋）	実96.5	▽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／直近3走平均8.7着と低調）
前5走 05/08 船橋7R 7着/12頭+1.6秒 03/31 船橋5R 8着/10頭+2.8秒 03/10 船橋7R 11着/12頭+3.2秒 02/27 浦和7R 8着/11頭+1.5秒 02/10 船橋8R 12着/12頭+2.3秒
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 7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 27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 1.4% (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。

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 17:48

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マケタラアカン	笠野雄（船橋）	実44.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場21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 05/27 浦和4R 6着/10頭+1.0秒 05/07 船橋5R 6着/12頭+0.7秒 04/03 船橋5R 7着/12頭+1.5秒 03/10 船橋8R 6着/12頭+1.4秒 02/26 浦和5R 5着/11頭+0.7秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 21走で勝率 0% (苦戦) ▽ 距離適性同距離は 15走で勝ち無し × 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 1.3% (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	フィオーレ	和田譲（大井）	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5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 4着/12頭+1.0秒 04/20 浦和9R 3着/13頭+0.4秒 04/03 船橋4R 4着/12頭+2.8秒 03/13 船橋3R 11着/12頭+2.5秒 02/11 船橋5R 3着/12頭+1.1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 5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 28日の間隔 (理想的) × 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 4.0% (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。
3	リーヴルワンダー	山中悠（船橋）	実21.1	▽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 05/07 船橋6R 3着/12頭+0.7秒 04/03 船橋5R 11着/12頭+2.3秒 03/13 船橋2R 4着/11頭+1.4秒 02/12 船橋7R 6着/12頭+2.4秒 01/23 船橋6R 3着/12頭+0.6秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 6.0着 △ 当競馬場適性 24走で勝率 8% △ 距離適性同距離 21走で勝率 10% ○ 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) -40% (大幅な期待値マイナス) AI 予想勝率 2.8% (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。
4	レモンアイカー	山本大（船橋）	実8.9	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/26 浦和4R 5着/11頭 05/04 船橋4R 7着/11頭+2.0秒 01/27 大井9R 2着/14頭+0.0秒 01/16 大井2R 1着/16頭勝利 12/30 大井6R 8着/14頭+1.6秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 4.7着 ○ 距離適性同距離 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) × 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 7.4% (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。
5	マサノプレジオーソ	西啓太（大井）	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5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走で勝率33%と好調）
前5走 05/15 川崎6R 1着/12頭勝利 05/06 船橋2R 6着/12頭+0.8秒 11/04 船橋4R 6着/12頭+1.9秒 05/06 船橋4R 7着/12頭+1.4秒 04/04 船橋4R 3着/11頭+0.5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 5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 1着 (勢い継続) ○ ローテーション 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -2% (オッズ過剰評価) AI 予想勝率 6.4% (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	アディモレナ	山林信（川崎）	実20.0	△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 05/13 川崎4R 3着/12頭+0.3秒 04/09 川崎5R 4着/12頭+1.1秒 03/04 川崎3R 11着/12頭+3.2秒 11/20 川崎7R 8着/11頭+2.4秒 10/15 川崎3R 12着/12頭+3.8秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.0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) -25% (オッズ過剰評価) AI 予想勝率 3.7% (オッズ暗示: 5.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	デルマカタスカシ	小杉亮（船橋）	実3.8	▲詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均2.3着と安定／前走3着）
前5走 05/27 浦和4R 3着/10頭 05/07 船橋6R 2着/12頭+0.4秒 04/03 船橋4R 2着/12頭+2.0秒 03/12 船橋2R 1着/9頭勝利 02/11 船橋4R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 7 ○ 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 5% △ 距離適性同距離 9走で勝率 11% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 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 9.0% (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。
8	キープアドーラブル	椿聡太（船橋）	実5.6	○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2着）
前5走 05/08 船橋7R 2着/12頭+0.2秒 04/22 浦和4R 9着/11頭+2.0秒 04/03 船橋9R 3着/10頭+0.2秒 03/10 船橋8R 8着/12頭+1.5秒 12/10 船橋9R 11着/12頭+2.2秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.7着 △ 当競馬場適性 25走で勝率 8% △ 距離適性同距離 25走で勝率 8% ◎ 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) ○ 前走実績前走 2着 (好走) ○ ローテーション 27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 15.0% (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。
9	カンナギ	藤江渉（川崎）	実108.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均11.0着と低調）
前5走 05/11 川崎7R 12着/12頭+3.1秒 05/07 船橋6R 9着/12頭+2.0秒 04/08 川崎5R 12着/12頭+4.7秒 03/04 川崎12R 13着/14頭+4.4秒 02/05 川崎7R 5着/12頭+0.6秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 11.0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) -36% (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。
10	フェアリオンアイス	木間龍（船橋）	実62.0	▽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4走で勝ち無し／直近3走平均10.0着と低調）
前5走 03/13 船橋4R 9着/9頭+2.5秒 02/26 浦和2R 11着/11頭+4.3秒 02/12 船橋4R 10着/12頭+3.6秒 01/23 船橋7R 7着/13頭+2.3秒 12/12 船橋6R 11着/11頭+4.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 10.0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 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) -41% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
11	ゲットジェロウス	鷹見陸（大井）	実18.8	△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／直近3走平均8.3着と低調／279日ぶりの実戦）
前5走 08/29 船橋3R 9着/11頭+2.0秒 07/29 船橋4R 5着/9頭+1.4秒 04/17 大井2R 11着/14頭+1.5秒 03/13 大井4R 6着/8頭+2.4秒 02/18 大井3R 1着/10頭勝利
AI 評価の内訳 — 馬番 11 × 直近3戦の調子平均 8.3着 (不振) ▽ 距離適性同距離は 3走で勝ち無し △ ローテーション 279日休養明け △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 4.0% (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。
12	キングブルズアイズ	野畑凌（川崎）	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（同馬場状態で勝率33%／直近3走で勝率33%と好調／前走3着）
前5走 02/12 船橋4R 3着/12頭+0.7秒 10/31 浦和10R 1着/12頭勝利 05/30 浦和12R 2着/12頭+0.2秒 04/25 浦和8R 1着/12頭勝利 02/25 浦和2R 1着/12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 3走で勝率 33% ○ 騎手近50戦勝率 18% ○ 前走実績前走 3着 (好走) △ ローテーション 112日休養明け △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 44.8% (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。

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 船橋競馬場ダート1600m　発走 18:22

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	プラズマ	本橋孝（船橋）	実6.6	▲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20走で勝ち無し／直近3走で勝率33%と好調／前走3着）
前5走 05/08 船橋12R 3着/13頭+1.2秒 04/03 船橋11R 1着/10頭勝利 03/12 船橋9R 3着/8頭+0.2秒 02/11 船橋8R 2着/13頭+0.5秒 01/21 船橋10R 2着/13頭+0.4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 26走で勝率 8% ▽ 距離適性同距離は 20走で勝ち無し ○ 前走実績前走 3着 (好走) ○ ローテーション 27日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -53% (大幅な期待値マイナス) AI 予想勝率 7.1% (オッズ暗示: 15.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	ヒラボクラフィット	御神訓（大井）	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（当競馬場8走で勝率62%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 05/05 船橋9R 1着/12頭勝利 01/21 船橋8R 1着/14頭勝利 12/09 船橋11R 5着/8頭+1.7秒 11/03 船橋8R 4着/13頭+0.6秒 06/13 大井10R 2着/11頭+0.1秒
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 8走で勝率 62% (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) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 47.0% (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。
3	ケイアイメビウス	野畑凌（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率33%と好調／84日ぶりの実戦）
前5走 03/12 船橋9R 4着/8頭+0.2秒 02/10 船橋12R 13着/14頭+2.5秒 06/04 船橋9R 1着/9頭勝利 05/15 川崎11R 11着/13頭+2.0秒 04/30 大井9R 7着/11頭+0.6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 5走で勝率 20% (相性良) ○ 距離適性同距離 6走で勝率 17% ○ 騎手近50戦勝率 18% × 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 14.5% ※ 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	グーヴェルナイユ	矢野貴（大井）	実2.9	▲詳細▼	人気馬、市場評価通りで上乗せなし（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28%）
前5走 05/08 船橋12R 5着/13頭+1.4秒 04/10 川崎11R 1着/10頭勝利 03/06 川崎11R 3着/13頭+0.0秒 02/06 川崎10R 1着/11頭勝利 12/24 浦和12R 2着/12頭+0.0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 4走で勝率 25% ◎ 騎手近50戦勝率 28% (好調) ○ ローテーション 27日の間隔 (理想的) × 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 13.0% (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	ヘンリー	鷹見陸（大井）	実20.9	△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／直近3走平均8.3着と低調／113日ぶりの実戦）
前5走 02/11 船橋8R 12着/13頭+2.2秒 01/21 船橋9R 10着/11頭+1.9秒 12/12 船橋11R 3着/11頭+0.5秒 ― ―
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ▽ 前走実績前走 12着 (大敗) △ ローテーション 113日休養明け △ 期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 5.2% (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。
6	スマイルモア	實川純（船橋）	実12.7	▲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14走で勝率29%／直近3走で勝率33%と好調）
前5走 05/08 船橋12R 12着/13頭+3.1秒 04/03 船橋11R 3着/10頭+0.3秒 03/13 船橋10R 1着/9頭勝利 12/12 船橋12R 2着/10頭+0.2秒 11/05 船橋12R 10着/11頭+2.0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 10走で勝率 30% (得意) ◎ 距離適性同距離 14走で勝率 29% ▽ 前走実績前走 12着 (大敗) ○ ローテーション 27日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -9% (オッズ過剰評価) AI 予想勝率 7.2% (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。
7	ジェントルタッチ	本田重（船橋）	実16.0	△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20%）
前5走 05/08 船橋12R 8着/13頭+1.9秒 04/03 船橋11R 2着/10頭+0.0秒 03/06 川崎11R 4着/13頭+0.1秒 02/12 船橋12R 3着/14頭+1.2秒 01/21 船橋10R 1着/13頭勝利
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) ○ 距離適性同距離 13走で勝率 15% ◎ 騎手近50戦勝率 20% (好調) ○ ローテーション 27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 6.0% (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。

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 5 ヘンリー実20.9倍期待値 +104% 推奨 13.3〜30.0倍 100円 ❌不的中2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 船橋競馬場ダート1200m　発走 18:56

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ピーターライズ	町田直（川崎）	実5.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率50%と好調／前走2着）
前5走 05/13 川崎7R 2着/12頭+0.2秒 05/04 船橋5R 1着/12頭勝利 ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 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 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 15.9% (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。
2	レインボーポラリス	本田重（船橋）	実38.1	▲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%／騎手は近50戦で勝率20%）
前5走 05/05 船橋7R 5着/12頭+1.0秒 04/02 船橋8R 3着/10頭+0.6秒 03/11 船橋7R 7着/11頭+1.1秒 02/12 船橋8R 5着/12頭+1.1秒 01/23 船橋9R 4着/13頭+0.4秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 28走で勝率 14% △ 距離適性同距離 23走で勝率 13% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) ◎ 期待値 (オッズ vs AI勝率) +48% (妙味あり) AI 予想勝率 3.9% (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。
3	ヒルビリーエレジー推奨	和田譲（大井）	実9.9	○詳細▼	オッズに対しAI予想勝率がやや高め、期待値+41%の妙味（直近3走勝率100%と絶好調／前走勝利の勢い継続）
前5走 05/06 船橋7R 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) ◎ 前走実績前走 1着 (勢い継続) ◎ 期待値 (オッズ vs AI勝率) +41% (妙味あり) AI 予想勝率 14.3% (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。
4	ポッドバディ	實川純（船橋）	実44.0	△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29%と適性高／同距離帯6走で勝率33%／直近3走で勝率33%と好調）
前5走 05/06 船橋4R 1着/12頭勝利 03/30 船橋5R 3着/14頭+0.3秒 03/11 船橋5R 3着/11頭+1.2秒 02/10 船橋7R 2着/12頭+0.0秒 01/19 船橋5R 2着/12頭+0.8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 7走で勝率 29% (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) +49% (妙味あり) AI 予想勝率 3.4% (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	トーケンマンボ	木間龍（船橋）	実138.0	▽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 05/08 船橋8R 10着/14頭+1.9秒 04/24 浦和9R 8着/8頭+1.5秒 04/02 船橋7R 6着/10頭+1.0秒 03/12 船橋6R 7着/10頭+1.4秒 02/12 船橋8R 10着/12頭+2.1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 27走で勝率 19% (相性良) ○ 距離適性同距離 22走で勝率 23% △ 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 27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 0.8% (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。
6	ソルジェンテポー	御神訓（大井）	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4走で勝率50%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 12/11 船橋6R 1着/12頭勝利 04/03 船橋10R 5着/11頭+1.1秒 02/12 船橋7R 2着/12頭+0.0秒 01/08 浦和6R 2着/12頭+0.2秒 11/27 船橋1R 1着/10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 4走で勝率 50% (得意) ◎ 距離適性同距離 4走で勝率 50% ◎ 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 175日休養明け × 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 43.9% (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。
7	シカゴフォンテン	小杉亮（船橋）	実93.8	▽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／前走勝利の勢い）
前5走 10/16 川崎7R 1着/13頭勝利 09/23 浦和7R 3着/13頭+0.6秒 08/28 船橋8R 6着/12頭+0.6秒 07/30 船橋9R 3着/8頭+0.4秒 07/05 船橋8R 8着/10頭+1.3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 18走で勝率 11% △ 距離適性同距離 7走で勝率 14% ◎ 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) △ ローテーション 231日休養明け 🌟◎ 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 2.2% (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	エリュテイア	山口達（船橋）	実24.1	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し／前走2着）
前5走 05/05 船橋6R 2着/12頭+0.7秒 03/31 船橋7R 7着/11頭+2.2秒 03/11 船橋8R 2着/12頭+0.3秒 02/09 船橋5R 2着/12頭+0.5秒 01/19 船橋8R 5着/12頭+0.6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 5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) -24% (オッズ過剰評価) AI 予想勝率 3.2% (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。
9	スターゲット	沖響主（船橋）	実187.7	▽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4走で勝ち無し／直近3走平均10.3着と低調）
前5走 04/01 船橋8R 10着/10頭+2.6秒 03/13 船橋9R 11着/11頭+3.5秒 02/28 浦和11R 10着/11頭+3.9秒 02/13 船橋9R 10着/11頭+3.3秒 01/22 船橋5R 12着/12頭+3.0秒
AI 評価の内訳 — 馬番 9 × 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 4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) -5% (オッズ過剰評価) 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。
10	ホシニネガイヲ	櫻井光（川崎）	実61.9	△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 浦和10R 10着/12頭 04/24 浦和9R 6着/8頭+1.1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 18% ▽ 前走実績前走 10着 (大敗) 🌟◎ 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 3.1% (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。
11	リュウノマサムネ	野澤憲（船橋）	実22.6	▲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 05/05 船橋7R 3着/12頭+0.8秒 04/02 船橋8R 2着/10頭+0.5秒 12/08 船橋9R 7着/12頭+1.9秒 11/07 船橋9R 4着/12頭+0.5秒 10/03 船橋7R 2着/9頭+0.7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 17走で勝率 24% (相性良) ○ 距離適性同距離 17走で勝率 24% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ◎ 期待値 (オッズ vs AI勝率) +41% (妙味あり) AI 予想勝率 6.2% (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。
12	ラブリエスト	仲野光（船橋）	実47.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18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 05/05 船橋6R 9着/12頭+1.9秒 04/01 船橋8R 6着/10頭+1.8秒 03/13 船橋7R 2着/9頭+0.8秒 02/12 船橋8R 2着/12頭+0.1秒 01/21 船橋5R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.7着 × 当競馬場適性 18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 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +28% (市場と概ね一致) AI 予想勝率 2.7% (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。

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 ヒルビリーエレジー実9.9倍期待値 +41% 推奨 9.1〜10.8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

10R 船橋競馬場ダート1600m　発走 19:27

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マインドブロン	町田直（川崎）	実44.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/12 川崎10R 5着/14頭+1.8秒 03/03 川崎10R 8着/12頭+1.8秒 02/03 川崎11R 5着/14頭+0.6秒 08/21 川崎8R 3着/7頭+0.3秒 08/04 川崎12R 8着/12頭+0.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.0着 △ 距離適性同距離 8走で勝率 12% ○ 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) -28% (オッズ過剰評価) AI 予想勝率 1.6% (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。
2	キングオブカズ	小杉亮（船橋）	実20.9	△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2着）
前5走 05/04 船橋11R 2着/12頭+1.2秒 04/22 浦和7R 2着/12頭+0.2秒 04/08 川崎12R 5着/14頭+1.5秒 03/30 船橋11R 9着/12頭+1.5秒 03/11 船橋12R 9着/12頭+1.6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 16走で勝率 12% △ 距離適性同距離 17走で勝率 12% △ 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) -59% (大幅な期待値マイナス) AI 予想勝率 2.0% (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。
3	ダートレイジング	古岡勇（川崎）	実74.6	▽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8.0着と低調）
前5走 05/12 川崎10R 9着/14頭+2.3秒 04/21 浦和12R 8着/12頭+2.5秒 04/07 川崎10R 7着/12頭+1.9秒 03/20 浦和12R 7着/12頭+1.5秒 03/02 川崎10R 4着/10頭+1.0秒
AI 評価の内訳 — 馬番 3 × 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 ○ 馬場適性同馬場 13走で勝率 23% ○ 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) -43% (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。
4	セブンワンバイオ	本田重（船橋）	実15.9	△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20%）
前5走 05/27 浦和10R 10着/12頭 07/05 船橋11R 4着/14頭+0.3秒 06/23 浦和11R 6着/11頭+2.0秒 05/28 浦和8R 3着/11頭+0.5秒 05/09 船橋5R 4着/6頭+0.6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 9走で勝率 22% (相性良) ◎ 騎手近50戦勝率 20% (好調) ▽ 前走実績前走 10着 (大敗) × 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 3.1% (オッズ暗示: 6.3%) ※ 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	サンマルーン	笠野雄（船橋）	実11.0	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7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3.0着と安定）
前5走 05/04 船橋11R 3着/12頭+1.8秒 01/19 船橋11R 3着/13頭+0.7秒 12/09 船橋10R 3着/14頭+0.3秒 11/28 浦和10R 7着/10頭+0.5秒 11/07 船橋10R 2着/11頭+1.2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 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7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) +22% (市場と概ね一致) AI 予想勝率 11.2% (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。
6	ナリノヴァニーユ	西啓太（大井）	実65.1	×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0%と苦戦傾向／同距離帯は20走で勝ち無し／直近3走平均9.3着と低調）
前5走 05/07 船橋11R 10着/14頭+1.9秒 12/11 船橋9R 11着/14頭+3.9秒 11/06 船橋10R 7着/13頭+1.0秒 10/17 川崎10R 5着/14頭+2.5秒 10/03 船橋12R 7着/13頭+0.8秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 32走で勝率 0% (苦戦) ▽ 距離適性同距離は 20走で勝ち無し ▽ 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) -56% (大幅な期待値マイナス) AI 予想勝率 0.7% (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	タイセイバンクール	和田譲（大井）	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5走で勝率40%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/07 船橋11R 2着/14頭+0.2秒 03/30 船橋11R 4着/12頭+0.5秒 03/13 船橋9R 1着/11頭勝利 02/13 船橋9R 2着/11頭+0.3秒 01/19 船橋9R 1着/12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) ◎ 当競馬場適性 5走で勝率 40% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 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) -44% (大幅な期待値マイナス) AI 予想勝率 28.2% (オッズ暗示: 50.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	プレストエマ推奨	山中悠（船橋）	実14.5	▲詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+89%の中穴候補（直近3走勝率33%と上り調子／当競馬場10走で勝率40%と適性高）
前5走 02/09 船橋11R 5着/14頭+0.7秒 01/23 船橋12R 14着/14頭+3.9秒 12/09 船橋12R 1着/14頭勝利 11/06 船橋12R 3着/14頭+0.7秒 10/02 船橋12R 12着/13頭+4.2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 10走で勝率 40% (得意) △ ローテーション 115日休養明け 🌟◎ 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 13.1% (オッズ暗示: 6.9%) ※ 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	バーリフレイバー	川島正（船橋）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場10走で勝率50%と適性高／同距離帯4走で勝率50%／直近3走で勝率67%と好調）
前5走 02/13 船橋9R 1着/11頭勝利 01/21 船橋7R 1着/14頭勝利 06/06 船橋10R 2着/11頭+0.5秒 05/09 船橋12R 2着/10頭+0.4秒 03/31 船橋10R 1着/14頭勝利
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 10走で勝率 50% (得意) ◎ 距離適性同距離 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 111日休養明け △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 21.6% (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。
10	プレヴナンス	本橋孝（船橋）	実23.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は7走で勝ち無し）
前5走 05/07 船橋11R 12着/14頭+3.4秒 04/01 船橋12R 4着/13頭+1.5秒 03/11 船橋12R 4着/12頭+0.9秒 02/12 船橋12R 6着/14頭+1.9秒 01/19 船橋11R 8着/13頭+1.1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 20走で勝率 15% (相性良) ▽ 距離適性同距離は 7走で勝ち無し ▽ 前走実績前走 12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) -22% (オッズ過剰評価) AI 予想勝率 3.3% (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。
11	カナールショウヘイ	野畑凌（川崎）	実9.3	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯は8走で勝ち無し）
前5走 05/12 川崎10R 8着/14頭+2.2秒 12/17 川崎10R 2着/9頭+0.3秒 12/09 船橋10R 4着/14頭+0.4秒 11/18 川崎9R 2着/14頭+0.5秒 10/15 川崎10R 5着/14頭+0.9秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 4.7着 ▽ 距離適性同距離は 8走で勝ち無し ○ 騎手近50戦勝率 18% ○ 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% (妙味あり) AI 予想勝率 14.6% (オッズ暗示: 10.8%) ※ 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 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 8 プレストエマ実14.5倍期待値 +89% 推奨 9.9〜21.2倍 100円 ❌不的中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

11R 船橋競馬場ダート1200m　発走 20:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	クリムゾンプリンス	野畑凌（川崎）	実75.2	▽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 05/28 浦和10R 11着/11頭 04/21 浦和11R 3着/7頭+0.3秒 04/07 川崎11R 5着/14頭+0.8秒 03/05 川崎11R 3着/13頭+0.8秒 12/04 大井11R 9着/16頭+1.5秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 ○ 騎手近50戦勝率 18% ▽ 前走実績前走 11着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 1.8% (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。
2	エイシンミラーミ	吉井章（大井）	実4.1	○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67%／直近3走で勝率67%と好調／前走3着）
前5走 05/19 大井10R 3着/13頭+0.6秒 04/17 大井6R 1着/12頭勝利 03/12 大井5R 1着/12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) ◎ 距離適性同距離 3走で勝率 67% ○ 騎手近50戦勝率 14% ○ 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) -13% (オッズ過剰評価) AI 予想勝率 21.3% (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。
3	ストゥディア	木間龍（船橋）	実196.3	▽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 05/11 川崎10R 2着/6頭+0.1秒 05/04 船橋10R 4着/9頭+1.2秒 04/02 船橋6R 3着/10頭+0.9秒 03/13 船橋11R 6着/9頭+1.7秒 02/27 浦和8R 5着/9頭+1.1秒
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 3.0着 (安定) △ 当競馬場適性 11走で勝率 9% △ 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 24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 1.3% (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。
4	オルタスグロウ	岡村健（船橋）	実18.7	▲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67%と好調／前走勝利の勢い）
前5走 05/04 船橋10R 1着/9頭勝利 04/02 船橋5R 1着/7頭勝利 03/13 船橋6R 4着/8頭+0.6秒 02/11 船橋9R 8着/11頭+2.2秒 12/10 船橋6R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 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% △ 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 6.0% (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。
5	メイクセンス	本田重（船橋）	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7走で勝率57%と適性高／同距離帯6走で勝率67%／直近3走で勝率33%と好調）
前5走 04/21 浦和11R 2着/7頭+0.2秒 03/12 船橋11R 1着/9頭勝利 02/11 船橋9R 3着/11頭+1.2秒 01/20 船橋7R 1着/10頭勝利 12/10 船橋6R 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) ◎ 当競馬場適性 7走で勝率 57% (得意) ◎ 距離適性同距離 6走で勝率 67% ◎ 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) -47% (大幅な期待値マイナス) AI 予想勝率 28.0% (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。
6	ズルタナイト	室陽一（浦和）	実29.2	△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／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/04 船橋10R 2着/9頭+0.2秒 03/30 船橋4R 1着/9頭勝利 02/12 船橋6R 10着/11頭+3.7秒 01/20 船橋7R 4着/10頭+1.1秒 12/04 大井11R 16着/16頭+3.2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 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 4.4% (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。
7	デーレーシトロン	佐野遥（川崎）	実301.0	▽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 04/29 大井11R 13着/13頭+5.3秒 04/08 川崎4R 4着/6頭+0.8秒 03/12 船橋11R 9着/9頭+3.0秒 11/18 川崎3R 1着/11頭勝利 10/15 川崎6R 2着/10頭+0.9秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.7着 (不振) △ 騎手近50戦勝率 4% (やや苦戦) ▽ 前走実績前走 13着 (大敗) 🌟◎ 期待値 (オッズ vs AI勝率) +130% (市場が大幅過小評価) AI 予想勝率 0.8% (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。
8	フークアンビション	矢野貴（大井）	実19.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／騎手は近50戦で勝率30%）
前5走 05/04 船橋10R 3着/9頭+0.3秒 04/21 浦和11R 6着/7頭+1.5秒 04/02 船橋5R 2着/7頭+0.6秒 03/12 船橋11R 7着/9頭+1.4秒 12/10 船橋6R 3着/12頭+0.2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 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ◎ 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) -28% (オッズ過剰評価) AI 予想勝率 3.7% (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。
9	アムールピスケス	實川純（船橋）	実96.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（111日ぶりの実戦）
前5走 02/13 船橋6R 7着/9頭+1.7秒 01/20 船橋6R 2着/9頭+0.3秒 01/07 浦和7R 2着/9頭+0.8秒 12/10 船橋6R 4着/12頭+0.4秒 08/20 浦和11R 4着/9頭+0.7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 5走で勝率 20% (相性良) △ ローテーション 111日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +114% (市場が大幅過小評価) AI 予想勝率 2.2% (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。
10	サンフラワームーン	笹川翼（大井）	実28.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均11.0着と低調／189日ぶりの実戦／騎手は近50戦で勝率40%）
前5走 11/27 園田11R 11着/12頭+6.1秒 ― ― ― ―
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 11.0着 (不振) ◎ 騎手近50戦勝率 40% (好調) ▽ 前走実績前走 11着 (大敗) △ ローテーション 189日休養明け 🌟◎ 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 5.5% (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。
11	ブルーメンガルテン	御神訓（大井）	実5.0	○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30%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 騎手近50戦勝率 30% (好調) △ 期待値 (オッズ vs AI勝率) -10% (オッズ過剰評価) AI 予想勝率 17.9% (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。
12	アラモ	篠谷葵（船橋）	実11.8	▲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50%と好調）
前5走 04/21 浦和11R 5着/7頭+0.8秒 03/13 船橋6R 1着/8頭勝利 ― ― ―
AI 評価の内訳 — 馬番 12 ◎ 直近3戦の調子勝率 50% (絶好調) ○ 騎手近50戦勝率 14% △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 7.1% (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。

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1800m　発走 20:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	イサナ	篠谷葵（船橋）	実13.5	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/15 川崎10R 4着/12頭+0.5秒 04/28 大井10R 5着/9頭+0.8秒 04/07 川崎10R 6着/12頭+1.3秒 03/20 浦和12R 5着/12頭+1.4秒 03/02 川崎10R 9着/10頭+3.0秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 5.0着 ○ 騎手近50戦勝率 14% ○ ローテーション 20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 7.6% (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。
2	フィフティズ	川島正（船橋）	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67%と好調／前走勝利の勢い）
前5走 05/06 船橋12R 1着/13頭勝利 04/01 船橋12R 12着/13頭+6.2秒 03/11 船橋12R 1着/12頭勝利 02/10 船橋9R 2着/14頭+0.0秒 02/02 川崎9R 2着/12頭+0.1秒
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 14走で勝率 14% △ 距離適性同距離 7走で勝率 14% ○ 馬場適性同馬場 7走で勝率 29% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 13.4% (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。
3	ジャスパージェット	笹川翼（大井）	実3.4	○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67%と好調／前走勝利の勢い）
前5走 03/05 川崎8R 1着/10頭勝利 02/27 浦和12R 1着/12頭勝利 02/10 船橋9R 10着/14頭+1.2秒 01/20 船橋12R 1着/14頭勝利 01/07 浦和6R 2着/11頭+1.0秒
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 3走で勝率 33% (得意) ◎ 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 91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 25.0% (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。
4	カーニバルマーチ	野畑凌（川崎）	実12.5	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場26走で勝率35%と適性高／同馬場状態で勝率43%／直近3走で勝率33%と好調）
前5走 05/06 船橋12R 2着/13頭+0.9秒 03/10 船橋10R 8着/11頭+1.4秒 02/11 船橋10R 1着/14頭勝利 01/19 船橋11R 9着/13頭+1.2秒 10/03 船橋12R 3着/13頭+0.1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 26走で勝率 35% (得意) ◎ 馬場適性同馬場 7走で勝率 43% ○ 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) -36% (大幅な期待値マイナス) AI 予想勝率 5.1% (オッズ暗示: 8.0%) ※ 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。
5	ジラルデ	本田重（船橋）	実45.2	△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20%）
前5走 05/06 船橋12R 4着/13頭+1.6秒 03/31 船橋9R 7着/12頭+4.2秒 03/13 船橋10R 4着/9頭+1.1秒 02/12 船橋12R 4着/14頭+1.3秒 01/23 船橋12R 3着/14頭+0.5秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 ○ 当競馬場適性 26走で勝率 15% (相性良) ○ 馬場適性同馬場 5走で勝率 20% ◎ 騎手近50戦勝率 20% (好調) △ 期待値 (オッズ vs AI勝率) -28% (オッズ過剰評価) AI 予想勝率 1.6% (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	ショーケン	笠野雄（船橋）	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（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 05/06 船橋12R 8着/13頭+2.1秒 04/01 船橋12R 1着/13頭勝利 02/26 浦和12R 3着/11頭+0.2秒 02/10 船橋9R 1着/14頭勝利 01/20 船橋12R 3着/14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 4走で勝率 50% (得意) ◎ 距離適性同距離 3走で勝率 67% △ 期待値 (オッズ vs AI勝率) +20% (市場と概ね一致) AI 予想勝率 30.9% (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	マイキーマジック	古岡勇（川崎）	実52.2	▽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%／直近3走で勝率33%と好調／前走3着）
前5走 05/06 船橋12R 3着/13頭+1.5秒 04/01 船橋12R 8着/13頭+3.6秒 03/10 船橋12R 1着/11頭勝利 02/26 浦和10R 5着/11頭+0.5秒 02/10 船橋9R 6着/14頭+0.9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 23走で勝率 13% ◎ 距離適性同距離 9走で勝率 33% ○ 馬場適性同馬場 9走で勝率 22% ○ 前走実績前走 3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 1.5% (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。
8	ファイナルハート	山口達（船橋）	実5.6	▲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2.3着と安定／前走2着）
前5走 05/05 船橋9R 2着/12頭+0.4秒 04/20 浦和11R 3着/13頭+0.5秒 04/01 船橋11R 2着/12頭+1.0秒 03/10 船橋10R 4着/11頭+0.5秒 02/09 船橋11R 1着/14頭勝利
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 22走で勝率 9% ○ 前走実績前走 2着 (好走) × 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 6.5% (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。
9	プリンスオーソ	臼井健（船橋）	実47.0	▽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 05/06 船橋12R 6着/13頭+1.7秒 03/31 船橋12R 1着/14頭勝利 03/10 船橋12R 2着/11頭+0.4秒 02/10 船橋9R 9着/14頭+1.1秒 01/20 船橋12R 7着/14頭+1.1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 9走で勝率 11% ○ 距離適性同距離 5走で勝率 20% × 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 1.2% (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。
10	マリアッチ	野澤憲（船橋）	実205.2	▽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）
前5走 05/15 川崎10R 8着/12頭+1.5秒 05/06 船橋12R 5着/13頭+1.6秒 04/01 船橋12R 6着/13頭+3.0秒 03/11 船橋12R 12着/12頭+2.7秒 02/26 浦和12R 6着/11頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 11走で勝率 0% (苦戦) △ 距離適性同距離 14走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) ○ ローテーション 20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 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	ベルガラス	岡村健（船橋）	実101.1	▽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7走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/15 川崎10R 11着/12頭+2.2秒 05/06 船橋12R 9着/13頭+3.2秒 04/22 浦和10R 5着/12頭+0.6秒 04/01 船橋12R 9着/13頭+4.6秒 03/11 船橋12R 8着/12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 31走で勝率 3% (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) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 20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 1.1% (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	ピエフォール	矢野貴（大井）	実6.0	△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30%）
前5走 05/07 船橋11R 5着/14頭+0.5秒 04/01 船橋11R 6着/12頭+2.3秒 03/11 船橋12R 3着/12頭+0.6秒 12/12 船橋12R 7着/10頭+1.1秒 11/03 船橋8R 1着/13頭勝利
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 9走で勝率 11% ◎ 騎手近50戦勝率 30% (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) -67% (大幅な期待値マイナス) AI 予想勝率 5.5% (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

馬連 3-6 実8.3倍期待値 +77% 200円
3連複 2-3-6 実17.1倍期待値 +163% 200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1700m　発走 12:25

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブルーリュバン	望月洵（愛知）	実4.3	◎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（騎手は近50戦で勝率22%）
前5走 05/05 名古屋3R 5着/5頭+2.8秒 04/23 名古屋10R 3着/12頭+2.4秒 04/10 名古屋9R 9着/11頭+3.5秒 11/12 名古屋3R 1着/12頭勝利 10/16 名古屋3R 5着/11頭+1.5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 7走で勝率 14% ◎ 騎手近50戦勝率 22% (好調) △ 期待値 (オッズ vs AI勝率) +15% (市場と概ね一致) AI 予想勝率 26.8% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	シーズンシート	近藤颯（愛知）	実27.7	▽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）
前5走 05/06 名古屋8R 6着/10頭+1.2秒 04/22 名古屋5R 4着/12頭+1.1秒 04/13 名古屋2R 1着/12頭勝利 ― ―
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 3走で勝率 33% (得意) × 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 2.1% (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。
3	ミトノテイオー	細川智（愛知）	実15.6	▲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 05/21 名古屋9R 3着/10頭+1.0秒 05/06 名古屋4R 5着/12頭+1.4秒 04/22 名古屋9R 7着/9頭+1.9秒 04/10 名古屋11R 4着/10頭+2.4秒 03/26 名古屋8R 3着/12頭+0.7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 7走で勝率 14% △ 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) +42% (妙味あり) AI 予想勝率 9.1% (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	イヌボウノツキ	明星晴（笠松）	実4.4	○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／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4R 1着/3頭 05/08 名古屋7R 2着/11頭+0.2秒 04/20 名古屋2R 3着/11頭+1.1秒 04/08 名古屋1R 6着/12頭+1.5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 4走で勝率 25% (得意) △ 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) -16% (オッズ過剰評価) AI 予想勝率 19.0% (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。
5	ミラクルカイザー	今井貴（愛知）	実17.9	△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／84日ぶりの実戦）
前5走 03/12 名古屋10R 5着/10頭+1.0秒 02/26 名古屋10R 3着/8頭+0.6秒 02/12 名古屋9R 1着/11頭勝利 01/27 名古屋3R 2着/12頭+0.0秒 01/14 名古屋6R 4着/11頭+2.2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 6走で勝率 17% (相性良) △ 期待値 (オッズ vs AI勝率) -3% (オッズ過剰評価) AI 予想勝率 5.4% (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。
6	ツウカイミッキー	木之葵（愛知）	実108.2	▽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）
前5走 05/20 名古屋10R 9着/11頭 05/06 名古屋8R 5着/10頭+1.0秒 04/22 名古屋5R 5着/12頭+1.4秒 03/25 名古屋8R 6着/10頭+3.3秒 03/12 名古屋10R 6着/10頭+1.0秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 8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 15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 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。
7	ルージュノヴァ	大畑雅（愛知）	実25.6	△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／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1R 1着/10頭 05/07 名古屋1R 4着/10頭+0.2秒 04/20 名古屋3R 2着/12頭+0.1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 3走で勝率 33% (得意) ◎ 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 4.3% (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。
8	ゴコクホウジョウ	塚本征（愛知）	実4.0	○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／前走3着）
前5走 05/20 名古屋10R 3着/11頭 02/27 名古屋7R 1着/11頭勝利 02/11 名古屋8R 8着/11頭+3.6秒 01/28 名古屋8R 10着/10頭+3.4秒 07/25 名古屋5R 1着/7頭勝利
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 5走で勝率 40% (得意) ◎ 騎手近50戦勝率 26% (好調) ○ 前走実績前走 3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) -40% (大幅な期待値マイナス) AI 予想勝率 14.9% (オッズ暗示: 25.0%) ※ 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	スターアライズ	丸山真（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（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/07 名古屋1R 1着/10頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 9 ◎ 直近3戦の調子勝率 100% (絶好調) △ 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 28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 5.5% (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。
10	ウインデイブレイク	渡邊竜（笠松）	実29.4	▽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 05/20 名古屋6R 3着/10頭 05/06 名古屋4R 3着/12頭+0.9秒 04/23 名古屋10R 8着/12頭+3.9秒 04/10 名古屋9R 4着/11頭+0.5秒 03/23 名古屋2R 1着/10頭勝利
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.7着 ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 前走実績前走 3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% (大幅な期待値マイナス) AI 予想勝率 1.9% (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。
11	サリー	丹羽克（愛知）	実36.2	×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5走 05/20 名古屋10R 8着/11頭+0.0秒 05/07 名古屋2R 1着/10頭勝利 04/13 名古屋1R 3着/12頭+0.2秒 03/24 名古屋2R 5着/12頭+1.0秒 03/10 名古屋1R 2着/11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 5走で勝率 20% (相性良) ○ 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) -66% (大幅な期待値マイナス) AI 予想勝率 0.9% (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。
12	カリビアンダンサー	加藤聡（愛知）	実5.3	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走2着／騎手は近50戦で勝率24%）
前5走 05/06 名古屋4R 2着/12頭+0.1秒 04/22 名古屋5R 6着/12頭+1.4秒 04/09 名古屋7R 9着/12頭+1.3秒 03/13 名古屋1R 1着/10頭勝利 02/25 名古屋1R 2着/11頭+0.2秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.7着 ○ 当競馬場適性 5走で勝率 20% (相性良) ◎ 騎手近50戦勝率 24% (好調) ○ 前走実績前走 2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 8.6% (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。

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1500m　発走 12:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ソルトチャンス	加藤誓（愛知）	実15.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は11走で勝ち無し）
前5走 05/21 名古屋3R 4着/10頭+0.0秒 05/05 名古屋10R 2着/11頭+0.1秒 04/22 名古屋3R 8着/12頭+1.6秒 04/09 名古屋2R 9着/11頭+2.2秒 03/25 名古屋2R 8着/11頭+0.8秒
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 12走で勝率 8% ▽ 距離適性同距離は 11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) +1% (市場と概ね一致) AI 予想勝率 6.7% (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。
2	ローゼオ	柿原翔（愛知）	実31.4	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場78走で勝率1%と苦戦傾向／同距離帯は72走で勝ち無し／直近3走平均8.0着と低調）
前5走 05/21 名古屋4R 4着/10頭 05/06 名古屋2R 9着/10頭+2.1秒 04/23 名古屋1R 11着/11頭+2.2秒 04/08 名古屋5R 1着/10頭勝利 03/25 名古屋2R 11着/11頭+2.0秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 8.0着 (不振) × 当競馬場適性 78走で勝率 1% (苦戦) ▽ 距離適性同距離は 72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) +1% (市場と概ね一致) AI 予想勝率 3.2% (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。
3	ゴッドフィンガー	近藤颯（愛知）	実76.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場20走で勝率5%と苦戦傾向／直近3走平均9.0着と低調）
前5走 05/21 名古屋5R 9着/10頭+2.0秒 04/23 名古屋2R 9着/12頭+1.5秒 04/10 名古屋1R 9着/11頭+2.9秒 03/26 名古屋3R 9着/12頭+1.5秒 03/12 名古屋1R 10着/11頭+2.1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 20走で勝率 5% (苦戦) △ 距離適性同距離 26走で勝率 8% ○ 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) -26% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	オレイニウタイマス	望月洵（愛知）	実2.6	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場17走で勝率0%と苦戦傾向／同距離帯は21走で勝ち無し／騎手は近50戦で勝率22%）
前5走 05/06 名古屋3R 8着/11頭+0.9秒 04/23 名古屋1R 5着/11頭+0.9秒 04/09 名古屋3R 2着/11頭+0.4秒 03/25 名古屋2R 3着/11頭+0.6秒 03/10 名古屋10R 4着/12頭+1.3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 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 21走で勝ち無し ◎ 騎手近50戦勝率 22% (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 23.5% (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。
5	ワカメチャン	阪野学（愛知）	実23.6	×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22走で勝ち無し）
前5走 05/21 名古屋4R 8着/10頭 05/06 名古屋2R 3着/10頭+0.5秒 04/22 名古屋8R 10着/11頭+1.7秒 04/09 名古屋4R 5着/11頭+0.3秒 03/26 名古屋2R 8着/11頭+1.5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 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 22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) -77% (大幅な期待値マイナス) AI 予想勝率 1.0% (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。
6	トークン	筒井勇（笠松）	実41.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 05/25 名古屋8R 8着/10頭 05/06 名古屋10R 11着/11頭+3.6秒 04/23 名古屋3R 11着/12頭+2.0秒 04/10 名古屋2R 9着/10頭+2.6秒 03/24 名古屋8R 1着/12頭勝利
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 10.0着 (不振) △ 当競馬場適性 15走で勝率 13% △ 距離適性同距離 11走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) × 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。
7	ノース	丹羽克（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53走で勝率4%と苦戦傾向／直近3走で勝率33%と好調／前走勝利の勢い）
前5走 05/20 名古屋2R 1着/10頭 05/05 名古屋2R 4着/11頭+0.4秒 04/08 名古屋5R 8着/10頭+1.7秒 03/10 名古屋4R 6着/11頭+1.4秒 02/25 名古屋5R 7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 53走で勝率 4% (苦戦) △ 距離適性同距離 52走で勝率 6% ◎ 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) -66% (大幅な期待値マイナス) AI 予想勝率 2.2% (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	ジオパークコハク推奨	木之葵（愛知）	実10.6	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+64%の中穴候補（直近3走勝率33%と上り調子／適度な間隔で状態万全）
前5走 05/21 名古屋5R 5着/10頭+1.0秒 05/06 名古屋12R 10着/12頭+3.2秒 04/20 名古屋12R 1着/12頭勝利 04/08 名古屋7R 6着/11頭+1.8秒 03/24 名古屋6R 11着/12頭+2.0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 12走で勝率 8% △ 距離適性同距離 8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) +64% (市場が大幅過小評価) AI 予想勝率 15.5% (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。
9	メディアプンタ	丸野勝（愛知）	実4.8	▲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22%）
前5走 05/21 名古屋4R 7着/10頭 05/06 名古屋3R 7着/11頭+0.9秒 04/22 名古屋8R 3着/11頭+0.4秒 04/09 名古屋6R 6着/11頭+1.1秒 03/26 名古屋4R 5着/12頭+1.0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 50走で勝率 6% △ 距離適性同距離 47走で勝率 6% ◎ 騎手近50戦勝率 22% (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) -60% (大幅な期待値マイナス) AI 予想勝率 8.3% (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。
10	ゴールドパン	塚本征（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20走で勝率5%と苦戦傾向／直近3走平均8.7着と低調／騎手は近50戦で勝率26%）
前5走 05/21 名古屋5R 5着/10頭 05/06 名古屋10R 10着/11頭+2.4秒 04/23 名古屋2R 11着/12頭+2.9秒 04/10 名古屋2R 8着/10頭+2.2秒 03/27 名古屋3R 11着/11頭+5.3秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 20走で勝率 5% (苦戦) △ 距離適性同距離 25走で勝率 8% ◎ 騎手近50戦勝率 26% (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) -86% (大幅な期待値マイナス) AI 予想勝率 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。
11	アスプロガイア	大畑雅（愛知）	実14.1	△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）
前5走 05/21 名古屋4R 9着/10頭+1.0秒 05/05 名古屋2R 1着/11頭勝利 04/20 名古屋8R 3着/12頭+0.3秒 04/07 名古屋6R 2着/11頭+0.7秒 03/24 名古屋3R 7着/10頭+1.9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 17走で勝率 6% △ 距離適性同距離 17走で勝率 6% ○ 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) -31% (大幅な期待値マイナス) AI 予想勝率 4.9% (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。
12	リケアディンブラ	山田祥（愛知）	実3.8	◎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（当競馬場5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 05/21 名古屋4R 5着/10頭 05/06 名古屋3R 6着/11頭+0.6秒 04/23 名古屋1R 8着/11頭+1.6秒 04/09 名古屋6R 4着/11頭+0.3秒 03/27 名古屋1R 6着/10頭+0.7秒
AI 評価の内訳 — 馬番 12 △ 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 8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) -9% (オッズ過剰評価) AI 予想勝率 23.9% (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。

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 8 ジオパークコハク確定13.7倍期待値 +64% 推奨 8.4〜13.4倍 100円 🎯的中1着1,370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

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	ジャストハンマー	丸山真（愛知）	実77.8	▽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7走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/22 名古屋4R 10着/10頭+4.0秒 05/07 名古屋4R 9着/9頭+2.9秒 04/10 名古屋3R 10着/11頭+3.4秒 03/26 名古屋9R 6着/11頭+3.5秒 03/13 名古屋10R 11着/11頭+2.4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 7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 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -22% (オッズ過剰評価) AI 予想勝率 1.0% (オッズ暗示: 1.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	メイショウトサンコ	今井貴（愛知）	実5.5	▲詳細▼	AI上位評価だが期待値不足、見送り
前5走 05/22 名古屋4R 6着/10頭 05/06 名古屋10R 3着/11頭+0.1秒 04/23 名古屋1R 3着/11頭+0.8秒 04/09 名古屋6R 10着/11頭+1.7秒 03/25 名古屋4R 8着/12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 △ 当競馬場適性 17走で勝率 6% △ 距離適性同距離 16走で勝率 6% ○ 馬場適性同馬場 5走で勝率 20% × 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 8.3% (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。
3	サントロペ	大畑雅（愛知）	実15.3	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場57走で勝率4%と苦戦傾向／同距離帯は51走で勝ち無し／前走3着）
前5走 05/21 名古屋4R 3着/10頭+0.0秒 05/06 名古屋3R 9着/11頭+1.2秒 04/23 名古屋2R 10着/12頭+2.1秒 04/10 名古屋1R 10着/11頭+2.9秒 03/27 名古屋3R 8着/11頭+3.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 57走で勝率 4% (苦戦) ▽ 距離適性同距離は 51走で勝ち無し ○ 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% (市場と概ね一致) AI 予想勝率 7.9% (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	サトノスフィア	塚本征（愛知）	実2.2	◎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（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26%）
前5走 05/20 名古屋7R 1着/11頭 05/05 名古屋6R 6着/12頭+0.9秒 04/08 名古屋12R 5着/12頭+1.5秒 03/25 名古屋3R 5着/11頭+2.1秒 12/23 名古屋5R 5着/12頭+1.3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 17走で勝率 18% (相性良) ○ 距離適性同距離 13走で勝率 15% ○ 馬場適性同馬場 9走で勝率 22% ◎ 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 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 36.9% (オッズ暗示: 45.5%) ※ 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	トークダウン	友森翔（愛知）	実17.4	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 名古屋6R 8着/9頭+2.0秒 05/06 名古屋3R 2着/11頭+0.3秒 04/23 名古屋2R 6着/12頭+1.0秒 04/09 名古屋12R 5着/12頭+1.7秒 03/26 名古屋1R 6着/11頭+1.9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 38走で勝率 5% △ 距離適性同距離 34走で勝率 6% × 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 2.8% (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。
6	ネクタール	望月洵（愛知）	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3走で勝ち無し／騎手は近50戦で勝率22%）
前5走 05/22 名古屋5R 7着/10頭+2.0秒 05/07 名古屋5R 8着/10頭+0.9秒 02/22 浦和7R 6着/12頭+0.7秒 ― ―
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.0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 22% (好調) △ 期待値 (オッズ vs AI勝率) -1% (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。
7	パープルルージュ	丸野勝（愛知）	実7.7	▲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33%／騎手は近50戦で勝率20%）
前5走 05/22 名古屋5R 6着/10頭 05/07 名古屋4R 4着/9頭+0.7秒 04/10 名古屋3R 6着/11頭+2.2秒 03/26 名古屋6R 9着/12頭+4.0秒 03/12 名古屋3R 4着/11頭+0.5秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 ○ 当競馬場適性 22走で勝率 18% (相性良) △ 距離適性同距離 15走で勝率 13% ◎ 馬場適性同馬場 6走で勝率 33% ◎ 騎手近50戦勝率 20% (好調) × 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 7.0% (オッズ暗示: 13.0%) ※ 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	ラッシュグリーン	細川智（愛知）	実48.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 05/22 名古屋5R 9着/10頭+3.0秒 04/23 名古屋4R 12着/12頭+5.4秒 04/10 名古屋4R 9着/11頭+4.0秒 03/26 名古屋5R 11着/12頭+3.5秒 03/12 名古屋3R 6着/11頭+1.0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 18走で勝率 11% △ 距離適性同距離 18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) -26% (オッズ過剰評価) AI 予想勝率 1.5% (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。
9	フランキンローズ	加藤利（愛知）	実28.0	△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14走で勝ち無し）
前5走 05/22 名古屋4R 5着/10頭+2.0秒 05/07 名古屋4R 8着/9頭+2.0秒 04/23 名古屋3R 8着/12頭+1.4秒 04/10 名古屋1R 4着/11頭+0.4秒 03/27 名古屋4R 9着/12頭+3.2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 12走で勝率 0% (苦戦) ▽ 距離適性同距離は 14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 4.6% (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。
10	キタノプレンティ	渡邊竜（笠松）	実5.2	○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／69日ぶりの実戦）
前5走 03/27 名古屋1R 5着/10頭+0.7秒 03/13 名古屋3R 6着/10頭+0.8秒 03/02 名古屋2R 6着/12頭+1.2秒 01/08 浦和2R 6着/12頭+1.2秒 12/24 浦和2R 4着/11頭+2.2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 3走で勝率 0% (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 20.7% (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。
11	ストラティファイド	大畑慧（愛知）	実45.6	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調）
前5走 05/22 名古屋5R 10着/10頭+3.0秒 05/07 名古屋5R 10着/10頭+1.1秒 04/10 名古屋4R 11着/11頭+5.8秒 03/26 名古屋4R 11着/12頭+2.0秒 03/12 名古屋2R 9着/11頭+2.4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 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 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 1.9% (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。
12	スイングボーイ	藤原幹（笠松）	実31.7	×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30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5R 8着/10頭 05/07 名古屋5R 9着/10頭+1.0秒 04/23 名古屋4R 7着/12頭+1.0秒 04/10 名古屋2R 4着/10頭+1.0秒 03/26 名古屋5R 4着/12頭+0.5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 31走で勝率 3% (苦戦) ▽ 距離適性同距離は 30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) -59% (大幅な期待値マイナス) AI 予想勝率 1.3% (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。

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 サントロペ実15.3倍期待値 +39% 推奨 14.2〜26.5倍 100円 ❌不的中7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 名古屋競馬場ダート1500m　発走 14:00

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	カフジアッサム	今井貴（愛知）	実18.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 名古屋6R 4着/9頭 05/07 名古屋4R 3着/9頭+0.7秒 04/23 名古屋3R 5着/12頭+0.5秒 04/09 名古屋12R 3着/12頭+1.4秒 03/26 名古屋2R 6着/11頭+1.2秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 16走で勝率 6% △ 距離適性同距離 15走で勝率 7% ◎ 期待値 (オッズ vs AI勝率) +42% (妙味あり) AI 予想勝率 7.9% (オッズ暗示: 5.5%) ※ 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	キラークラウン	丸山真（愛知）	実164.6	▽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9.0着と低調）
前5走 05/22 名古屋6R 9着/9頭+0.0秒 05/07 名古屋6R 10着/11頭+1.7秒 04/07 川崎3R 8着/12頭+1.5秒 03/06 川崎6R 9着/12頭+0.7秒 02/04 川崎5R 11着/12頭+2.1秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.0着 (不振) ▽ 距離適性同距離は 6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) +290% (市場が大幅過小評価) AI 予想勝率 2.4% (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。
3	ヴォルヴァ	加藤聡（愛知）	実6.4	▲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7走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／前走2着）
前5走 05/22 名古屋4R 2着/10頭 05/07 名古屋5R 6着/10頭+0.8秒 04/23 名古屋3R 4着/12頭+0.4秒 04/10 名古屋2R 6着/10頭+1.2秒 03/27 名古屋4R 5着/12頭+2.0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 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 24% (好調) ○ 前走実績前走 2着 (好走) × 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 10.3% (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。
4	エイシンハトホル	大畑慧（愛知）	実30.8	△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5%と苦戦傾向／同距離帯は21走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/05 名古屋10R 1着/11頭勝利 04/22 名古屋1R 4着/12頭+0.7秒 04/08 名古屋7R 5着/11頭+1.7秒 03/25 名古屋3R 6着/11頭+2.5秒 03/11 名古屋2R 6着/11頭+1.3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 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 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) +15% (市場と概ね一致) AI 予想勝率 3.7% (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。
5	リックトメンマ	塚本征（愛知）	実34.3	△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10走で勝ち無し／騎手は近50戦で勝率28%）
前5走 05/22 名古屋5R 5着/10頭 05/07 名古屋4R 5着/9頭+0.9秒 04/23 名古屋3R 10着/12頭+1.7秒 04/10 名古屋2R 5着/10頭+1.2秒 03/27 名古屋2R 7着/12頭+0.8秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 6.7着 × 当競馬場適性 11走で勝率 0% (苦戦) ▽ 距離適性同距離は 10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) +38% (妙味あり) AI 予想勝率 4.0% (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。
6	メイショウオハコ	近藤颯（愛知）	実6.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場21走で勝率5%と苦戦傾向／同距離帯は21走で勝ち無し／前走3着）
前5走 05/22 名古屋4R 3着/10頭 05/07 名古屋4R 6着/9頭+1.2秒 04/23 名古屋2R 3着/12頭+0.7秒 04/10 名古屋1R 8着/11頭+2.2秒 03/26 名古屋2R 9着/11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 21走で勝率 5% (苦戦) ▽ 距離適性同距離は 21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) -13% (オッズ過剰評価) AI 予想勝率 13.8% (オッズ暗示: 15.9%) ※ 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	メイショウキタダケ	柿原翔（愛知）	実71.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場20走で勝率5%と苦戦傾向／同距離帯は20走で勝ち無し）
前5走 05/22 名古屋7R 9着/11頭+0.0秒 05/07 名古屋7R 9着/11頭+1.3秒 04/23 名古屋4R 3着/12頭+0.1秒 04/10 名古屋3R 5着/11頭+1.6秒 03/26 名古屋3R 5着/12頭+0.3秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 20走で勝率 5% (苦戦) ▽ 距離適性同距離は 20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) +115% (市場が大幅過小評価) AI 予想勝率 3.0% (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	メイショウイッシン	大原浩（笠松）	実233.7	▽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31走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/22 名古屋6R 7着/9頭 05/07 名古屋6R 7着/11頭+1.5秒 04/23 名古屋6R 11着/12頭+3.6秒 04/10 名古屋5R 9着/11頭+2.5秒 03/27 名古屋3R 4着/11頭+2.0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 15走で勝率 0% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し 🌟◎ 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 1.9% (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	トップパワー	東川慎（笠松）	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4走で勝率25%と適性高／同距離帯4走で勝率25%／直近3走で勝率33%と好調）
前5走 05/05 名古屋12R 1着/12頭勝利 04/08 名古屋7R 2着/11頭+0.4秒 02/25 名古屋4R 2着/11頭+0.3秒 02/09 名古屋7R 2着/12頭+0.2秒 ―
AI 評価の内訳 — 馬番 9 ○ 直近3戦の調子勝率 33% (上り調子) ◎ 当競馬場適性 4走で勝率 25% (得意) ◎ 距離適性同距離 4走で勝率 25% △ 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) -45% (大幅な期待値マイナス) AI 予想勝率 36.5% (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。
10	カフジキームン	藤原幹（笠松）	実259.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.7着と低調）
前5走 05/22 名古屋7R 11着/11頭+5.0秒 05/07 名古屋7R 11着/11頭+2.6秒 04/23 名古屋6R 4着/12頭+2.1秒 04/10 名古屋3R 4着/11頭+1.5秒 03/26 名古屋4R 12着/12頭+2.4秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 8.7着 (不振) △ 当競馬場適性 15走で勝率 7% △ 距離適性同距離 13走で勝率 8% △ 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) +358% (市場が大幅過小評価) AI 予想勝率 1.8% (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。
11	サクリファイス	大畑雅（愛知）	実8.9	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場40走で勝率2%と苦戦傾向／同距離帯は36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4R 2着/10頭 05/06 名古屋3R 5着/11頭+0.5秒 04/22 名古屋4R 2着/12頭+0.1秒 04/09 名古屋3R 8着/11頭+1.6秒 03/26 名古屋5R 8着/12頭+2.1秒
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 40走で勝率 2% (苦戦) ▽ 距離適性同距離は 36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) -0% (オッズ過剰評価) AI 予想勝率 11.2% (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。
12	テルケンユミガール	木之葵（愛知）	実22.8	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 名古屋7R 8着/11頭+1.0秒 05/07 名古屋7R 7着/11頭+1.0秒 04/23 名古屋4R 4着/12頭+0.7秒 04/10 名古屋4R 6着/11頭+1.5秒 03/26 名古屋5R 6着/12頭+1.4秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 22走で勝率 9% △ 距離適性同距離 29走で勝率 7% △ 騎手近50戦勝率 4% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -20% (オッズ過剰評価) AI 予想勝率 3.5% (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）

5R 名古屋競馬場ダート1400m　発走 14:35

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	オニクダイスキマン	明星晴（笠松）	実13.0	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場17走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し／直近3走平均3.0着と安定）
前5走 05/25 名古屋7R 3着/10頭 05/08 名古屋8R 4着/11頭+0.3秒 04/24 名古屋8R 2着/11頭+1.4秒 04/13 名古屋6R 4着/10頭+1.0秒 03/27 名古屋6R 5着/9頭+1.8秒
AI 評価の内訳 — 馬番 1 ○ 直近3戦の調子平均 3.0着 (安定) × 当競馬場適性 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 17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) × 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 2.7% (オッズ暗示: 7.7%) ※ 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	オマタセシマシタ	渡邊竜（笠松）	実67.1	▽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7走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/22 名古屋9R 8着/10頭+0.0秒 05/07 名古屋9R 9着/10頭+3.4秒 04/23 名古屋7R 12着/12頭+4.1秒 12/12 船橋5R 7着/10頭+2.4秒 11/07 船橋6R 4着/10頭+0.5秒
AI 評価の内訳 — 馬番 2 × 直近3戦の調子平均 9.7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 7走で勝ち無し △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 1.7% (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	ハルノウミ	木之葵（愛知）	実7.1	▲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2.3着と安定／前走2着）
前5走 05/25 名古屋7R 2着/10頭 05/08 名古屋12R 3着/10頭+0.2秒 04/24 名古屋6R 2着/12頭+0.0秒 04/13 名古屋6R 10着/10頭+1.9秒 03/26 名古屋4R 1着/12頭勝利
AI 評価の内訳 — 馬番 3 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 16走で勝率 6% △ 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) ○ 前走実績前走 2着 (好走) × 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 5.9% (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。
4	ブルスケッタ	今井貴（愛知）	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（同距離帯3走で勝率67%／同馬場状態で勝率33%／直近3走で勝率67%と好調）
前5走 05/25 名古屋8R 1着/10頭 05/07 名古屋4R 1着/9頭勝利 10/30 浦和10R 8着/11頭+1.5秒 02/05 川崎10R 6着/11頭+1.2秒 01/31 川崎7R 1着/12頭勝利
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 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% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -4% (オッズ過剰評価) AI 予想勝率 38.5% (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。
5	ダバイカンティーク	加藤誓（愛知）	実110.2	▽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6走で勝ち無し／直近3走平均9.7着と低調）
前5走 05/22 名古屋10R 10着/10頭+0.0秒 05/07 名古屋10R 9着/10頭+2.6秒 04/23 名古屋7R 10着/12頭+3.4秒 04/10 名古屋7R 10着/11頭+3.4秒 03/25 名古屋11R 10着/12頭+3.8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 12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) △ 期待値 (オッズ vs AI勝率) +17% (市場と概ね一致) AI 予想勝率 1.1% (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	カナアミデスマッチ	塚本征（愛知）	実43.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は12走で勝ち無し／騎手は近50戦で勝率26%）
前5走 05/22 名古屋9R 5着/10頭 05/07 名古屋8R 5着/10頭+0.9秒 04/06 川崎6R 11着/12頭+3.5秒 03/04 川崎12R 5着/14頭+2.0秒 02/09 船橋6R 9着/14頭+3.3秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 12走で勝ち無し ◎ 騎手近50戦勝率 26% (好調) △ 期待値 (オッズ vs AI勝率) -13% (オッズ過剰評価) AI 予想勝率 2.0% (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。
7	メイショウハンゾウ	大畑雅（愛知）	実5.2	○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11走で勝率27%／同馬場状態で勝率60%）
前5走 04/24 名古屋9R 2着/12頭+0.8秒 04/08 名古屋10R 4着/11頭+0.9秒 03/11 名古屋12R 10着/11頭+4.3秒 09/25 園田10R 6着/11頭+0.7秒 09/03 園田10R 10着/10頭+3.4秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 3走で勝率 0% (苦戦) ◎ 距離適性同距離 11走で勝率 27% ◎ 馬場適性同馬場 5走で勝率 60% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 25.0% (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。
8	アイタロオ	望月洵（愛知）	実3.7	▲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／騎手は近50戦で勝率22%）
前5走 05/25 名古屋9R 4着/10頭 05/08 名古屋8R 3着/11頭+0.3秒 04/24 名古屋4R 1着/12頭勝利 04/10 名古屋5R 2着/11頭+0.0秒 03/11 名古屋1R 1着/10頭勝利
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 22走で勝率 18% (相性良) ○ 距離適性同距離 20走で勝率 15% ◎ 騎手近50戦勝率 22% (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 12.3% (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。
9	アーキハッカー	近藤颯（愛知）	実33.3	▲詳細▼	大穴、AI予想勝率低く長期回収困難（前走2着）
前5走 05/25 名古屋6R 2着/10頭+5.0秒 05/08 名古屋2R 4着/11頭+0.2秒 04/24 名古屋7R 6着/12頭+1.9秒 04/13 名古屋8R 7着/11頭+1.8秒 03/27 名古屋5R 8着/9頭+2.4秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 4.0着 △ 当競馬場適性 40走で勝率 8% △ 距離適性同距離 35走で勝率 9% △ 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) +26% (市場と概ね一致) AI 予想勝率 3.8% (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。
10	サノノロンドン	加藤聡（愛知）	実45.1	△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3走で勝ち無し／騎手は近50戦で勝率26%）
前5走 05/22 名古屋10R 6着/10頭 05/07 名古屋9R 8着/10頭+2.2秒 04/23 名古屋7R 8着/12頭+2.7秒 04/10 名古屋7R 8着/11頭+3.1秒 03/24 名古屋11R 12着/12頭+1.9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 5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 26% (好調) △ 期待値 (オッズ vs AI勝率) +16% (市場と概ね一致) AI 予想勝率 2.6% (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。
11	デトネイター	丸野勝（愛知）	実73.1	▽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7走で勝ち無し）
前5走 05/22 名古屋10R 7着/10頭 05/07 名古屋9R 7着/10頭+1.2秒 04/23 名古屋7R 5着/12頭+2.5秒 04/08 名古屋10R 5着/11頭+1.2秒 03/24 名古屋11R 10着/12頭+1.6秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 15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 18% × 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。
12	ニホンピロケイ	大畑慧（愛知）	実14.7	△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67%／直近3走で勝率33%と好調）
前5走 05/22 名古屋9R 6着/10頭+2.0秒 05/08 名古屋4R 1着/10頭勝利 04/24 名古屋5R 3着/11頭+0.8秒 04/09 名古屋12R 1着/12頭勝利 03/26 名古屋1R 7着/11頭+2.0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 19走で勝率 16% (相性良) ○ 距離適性同距離 18走で勝率 17% ◎ 馬場適性同馬場 3走で勝率 67% × 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 3.4% (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 (AI 期待値プラス判定)

A. 市場込みモデル

馬連 4-7 実10.8倍期待値 +207% 500円 ❌不的中4番(1着)-7番(3着)
3連複 4-7-8 実13.8倍期待値 +188% 300円 ❌不的中4番(1着)-7番(3着)-8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

6R 名古屋競馬場ダート1500m　発走 15:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	セレスト	木之葵（愛知）	実41.7	▽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17走で勝ち無し）
前5走 05/22 名古屋9R 4着/10頭+1.0秒 05/07 名古屋8R 4着/10頭+0.4秒 04/24 名古屋9R 4着/12頭+1.5秒 04/13 名古屋8R 4着/11頭+1.1秒 03/26 名古屋12R 10着/11頭+1.6秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 22走で勝率 0% (苦戦) ▽ 距離適性同距離は 17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) -40% (大幅な期待値マイナス) AI 予想勝率 1.4% (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	プルメリアリング	筒井勇（笠松）	実34.8	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率4%と苦戦傾向／同距離帯は22走で勝ち無し）
前5走 05/22 名古屋10R 5着/10頭 05/08 名古屋9R 2着/12頭+0.3秒 04/24 名古屋7R 4着/12頭+1.4秒 04/13 名古屋12R 6着/11頭+0.6秒 03/27 名古屋9R 3着/10頭+0.5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 25走で勝率 4% (苦戦) ▽ 距離適性同距離は 22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) -50% (大幅な期待値マイナス) AI 予想勝率 1.4% (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	スフレ	渡邊竜（笠松）	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14走で勝率0%と苦戦傾向／直近3走平均8.3着と低調）
前5走 05/19 名古屋8R 12着/12頭+4.6秒 05/04 名古屋9R 7着/7頭+1.6秒 04/24 名古屋11R 6着/10頭+1.3秒 04/07 名古屋9R 5着/12頭+0.6秒 03/24 名古屋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 8.3着 (不振) × 当競馬場適性 14走で勝率 0% (苦戦) ▽ 前走実績前走 12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) +38% (妙味あり) AI 予想勝率 5.6% (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。
4	ベルアーブル	友森翔（愛知）	実36.9	▽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 05/22 名古屋12R 9着/10頭+3.0秒 ― ― ― ―
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 9.0着 (不振) △ 期待値 (オッズ vs AI勝率) +13% (市場と概ね一致) AI 予想勝率 3.1% (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	ラブリーセナ	塚本征（愛知）	実2.7	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場22走で勝率27%と適性高／同距離帯14走で勝率36%／同馬場状態で勝率33%）
前5走 05/19 名古屋10R 5着/12頭+0.5秒 04/24 名古屋12R 2着/12頭+0.3秒 04/13 名古屋12R 3着/11頭+0.2秒 03/13 名古屋8R 4着/10頭+1.3秒 03/02 名古屋7R 9着/10頭+1.3秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.3着 ◎ 当競馬場適性 22走で勝率 27% (得意) ◎ 距離適性同距離 14走で勝率 36% ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 26% (好調) ○ 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) -63% (大幅な期待値マイナス) AI 予想勝率 13.8% (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。
6	オイナリサン	望月洵（愛知）	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11走で勝率27%と適性高／同距離帯9走で勝率33%／前走2着）
前5走 05/22 名古屋9R 2着/10頭 04/24 名古屋12R 5着/12頭+0.8秒 04/13 名古屋12R 4着/11頭+0.4秒 03/27 名古屋5R 2着/9頭+0.1秒 03/12 名古屋3R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 11走で勝率 27% (得意) ◎ 距離適性同距離 9走で勝率 33% ◎ 騎手近50戦勝率 22% (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 27.5% (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。
7	アルヒジュル	丸野勝（愛知）	実37.9	▽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 ○ 騎手近50戦勝率 18% △ 期待値 (オッズ vs AI勝率) -29% (オッズ過剰評価) AI 予想勝率 1.9% (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。
8	アイスノート	細川智（愛知）	実26.2	△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／前走勝利の勢い）
前5走 05/25 名古屋10R 1着/10頭 02/12 名古屋5R 5着/11頭+1.1秒 01/30 名古屋12R 8着/12頭+1.0秒 01/16 名古屋8R 4着/12頭+1.4秒 01/05 名古屋12R 6着/11頭+1.9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 7走で勝率 14% ○ 距離適性同距離 12走で勝率 17% △ 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) +58% (市場が大幅過小評価) AI 予想勝率 6.1% (オッズ暗示: 3.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	フローラビーナス	明星晴（笠松）	実23.4	△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33%と適性高／同距離帯15走で勝率40%／同馬場状態で勝率50%）
前5走 05/22 名古屋12R 8着/10頭+3.0秒 05/07 名古屋10R 6着/10頭+1.9秒 04/23 名古屋8R 10着/12頭+3.3秒 04/10 名古屋8R 10着/11頭+2.4秒 03/23 名古屋10R 8着/8頭+2.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) ◎ 当競馬場適性 18走で勝率 33% (得意) ◎ 距離適性同距離 15走で勝率 40% ◎ 馬場適性同馬場 6走で勝率 50% △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) +23% (市場と概ね一致) AI 予想勝率 5.3% (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。
10	ルミナスピラー	近藤颯（愛知）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（前走3着）
前5走 05/22 名古屋9R 3着/10頭+3.0秒 05/07 名古屋9R 6着/10頭+0.9秒 04/23 名古屋7R 6着/12頭+2.6秒 04/10 名古屋7R 6着/11頭+2.0秒 03/27 名古屋11R 3着/9頭+0.8秒
AI 評価の内訳 — 馬番 10 △ 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 13走で勝率 23% ○ 馬場適性同馬場 4走で勝率 25% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 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。
11	ピックアンドロール推奨	丹羽克（愛知）	実17.9	○詳細▼	市場が大きく過小評価、AI予想勝率16% × オッズ17.9倍で期待値+184%の有力候補（市場想定よりAI評価が高く妙味）
前5走 05/22 名古屋10R 4着/10頭+3.0秒 04/27 大井8R 8着/14頭+2.5秒 04/13 大井10R 5着/13頭+1.0秒 03/23 大井9R 7着/13頭+1.4秒 03/09 大井10R 6着/13頭+2.8秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 5.7着 ▽ 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) +184% (市場が大幅過小評価) AI 予想勝率 15.9% (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。
12	ユイットムーラン	大畑慧（愛知）	実4.6	▲詳細▼	市場想定とAI評価が概ね一致、推奨に届かず（前走3着）
前5走 05/22 名古屋10R 3着/10頭 05/07 名古屋8R 3着/10頭+0.2秒 04/24 名古屋12R 11着/12頭+2.3秒 04/13 名古屋10R 2着/11頭+0.3秒 03/26 名古屋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.7着 △ 当競馬場適性 19走で勝率 11% △ 距離適性同距離 16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) -56% (大幅な期待値マイナス) AI 予想勝率 9.5% (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。

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 11 ピックアンドロール実17.9倍期待値 +184% 推奨 8.2〜30.0倍 200円 ❌不的中7着
馬連 6-11 実16.3倍期待値 +83% 100円 ❌不的中6番(1着)-11番(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

7R 名古屋競馬場ダート1500m　発走 15:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リムショット	今井貴（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（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／直近3走平均3.0着と安定）
前5走 05/22 名古屋10R 2着/10頭 05/07 名古屋9R 5着/10頭+0.7秒 01/16 名古屋9R 2着/9頭+0.4秒 01/04 名古屋7R 2着/10頭+0.0秒 ―
AI 評価の内訳 — 馬番 1 ○ 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 3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) -24% (オッズ過剰評価) AI 予想勝率 36.3% (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。
2	サウンドジャッカル	大畑雅（愛知）	実61.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場25走で勝率28%と適性高／同距離帯21走で勝率33%）
前5走 05/21 名古屋6R 8着/10頭+0.0秒 05/07 名古屋10R 3着/10頭+1.2秒 03/09 名古屋10R 6着/9頭+1.3秒 01/27 名古屋9R 5着/12頭+1.8秒 01/03 名古屋8R 2着/11頭+0.0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 25走で勝率 28% (得意) ◎ 距離適性同距離 21走で勝率 33% ○ 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) +158% (市場が大幅過小評価) AI 予想勝率 4.2% (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。
3	リンクスターツ	望月洵（愛知）	実4.2	▲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22%）
前5走 05/21 名古屋6R 6着/10頭 02/26 名古屋12R 3着/11頭+0.3秒 01/14 名古屋12R 2着/10頭+0.2秒 01/04 名古屋9R 3着/11頭+2.5秒 07/23 名古屋11R 8着/12頭+1.4秒
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 3.7着 ○ 当競馬場適性 24走で勝率 17% (相性良) ○ 距離適性同距離 18走で勝率 17% ◎ 騎手近50戦勝率 22% (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) -58% (大幅な期待値マイナス) AI 予想勝率 9.9% (オッズ暗示: 23.8%) ※ 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	メイショウサキガケ	細川智（愛知）	実17.9	×詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は21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 05/06 名古屋5R 3着/11頭+0.7秒 01/28 名古屋12R 2着/11頭+0.7秒 01/15 名古屋9R 3着/11頭+1.3秒 10/01 名古屋11R 7着/11頭+1.1秒 09/18 名古屋12R 9着/12頭+2.8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 29走で勝率 7% ▽ 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) ○ 前走実績前走 3着 (好走) × 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 2.7% (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。
5	タイセイフォルテ	加藤聡（愛知）	実83.1	▽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／騎手は近50戦で勝率26%）
前5走 05/22 名古屋12R 10着/10頭+6.0秒 05/05 名古屋1R 1着/11頭勝利 04/24 名古屋10R 8着/11頭+2.1秒 04/13 名古屋7R 4着/10頭+0.8秒 03/24 名古屋11R 4着/12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 16走で勝率 6% ▽ 距離適性同距離は 6走で勝ち無し ◎ 騎手近50戦勝率 26% (好調) ▽ 前走実績前走 10着 (大敗) ◎ 期待値 (オッズ vs AI勝率) +34% (妙味あり) AI 予想勝率 1.6% (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。
6	グランドネビュラ	筒井勇（笠松）	実80.8	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/22 名古屋12R 7着/10頭+0.0秒 05/06 名古屋5R 6着/11頭+2.3秒 04/14 園田5R 9着/12頭+2.6秒 03/31 園田5R 7着/11頭+1.3秒 03/17 園田5R 5着/12頭+1.7秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.3着 (不振) △ 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) 🌟◎ 期待値 (オッズ vs AI勝率) +222% (市場が大幅過小評価) AI 予想勝率 4.0% (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。
7	ワカギミ	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（当競馬場3走で勝率33%と適性高／同距離帯は15走で勝ち無し／直近3走で勝率33%と好調）
前5走 05/25 名古屋12R 1着/11頭 05/08 名古屋10R 5着/10頭+1.3秒 04/24 名古屋5R 2着/11頭+0.5秒 03/24 園田8R 6着/10頭+1.0秒 01/07 園田6R 2着/10頭+0.1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 3走で勝率 33% (得意) ▽ 距離適性同距離は 15走で勝ち無し ◎ 騎手近50戦勝率 26% (好調) ◎ 前走実績前走 1着 (勢い継続) × 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 12.8% (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。
8	イナズマライン	明星晴（笠松）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし
前5走 05/20 名古屋9R 7着/11頭+0.0秒 05/06 名古屋5R 10着/11頭+4.3秒 04/09 名古屋5R 6着/11頭+1.3秒 03/25 名古屋11R 12着/12頭+4.1秒 03/09 名古屋10R 8着/9頭+1.4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 25走で勝率 8% △ 距離適性同距離 21走で勝率 10% △ 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) -81% (大幅な期待値マイナス) AI 予想勝率 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。
9	バイアンドホールド	渡邊竜（笠松）	実9.3	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/22 名古屋12R 6着/10頭 05/07 名古屋10R 4着/10頭+1.2秒 04/22 名古屋12R 7着/12頭+2.7秒 04/13 名古屋9R 1着/10頭勝利 03/27 名古屋5R 5着/9頭+1.8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 18走で勝率 11% △ 距離適性同距離 17走で勝率 12% × 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 6.9% (オッズ暗示: 10.8%) ※ 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	ボスコヴェローチェ	丹羽克（愛知）	実213.3	▽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 05/21 名古屋6R 7着/10頭+2.0秒 05/06 名古屋5R 9着/11頭+4.3秒 04/23 名古屋12R 9着/12頭+1.3秒 04/09 名古屋8R 11着/12頭+3.5秒 03/27 名古屋9R 1着/10頭勝利
AI 評価の内訳 — 馬番 10 × 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 12% △ 距離適性同距離 30走で勝率 10% ○ 馬場適性同馬場 11走で勝率 27% ○ 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) +101% (市場が大幅過小評価) AI 予想勝率 0.9% (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	バヤシーフェイス	丸野勝（愛知）	実8.9	▲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4走で勝率0%と苦戦傾向）
前5走 05/22 名古屋12R 4着/10頭 05/07 名古屋10R 5着/10頭+1.5秒 04/23 名古屋7R 4着/12頭+2.2秒 04/13 名古屋12R 2着/11頭+0.2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 4走で勝率 0% (苦戦) ○ 騎手近50戦勝率 18% × 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 6.9% (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。
12	マリアナジャズ	阪野学（愛知）	実67.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は26走で勝ち無し）
前5走 05/22 名古屋12R 5着/10頭 05/07 名古屋10R 7着/10頭+1.9秒 04/23 名古屋7R 3着/12頭+1.8秒 04/10 名古屋8R 8着/11頭+1.9秒 03/23 名古屋8R 11着/12頭+2.0秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 15走で勝率 7% ▽ 距離適性同距離は 26走で勝ち無し 🌟◎ 期待値 (オッズ vs AI勝率) +52% (市場が大幅過小評価) AI 予想勝率 2.3% (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。

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 バヤシーフェイス実8.9倍期待値 +108% 推奨 5.6〜14.3倍 300円 ❌不的中2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

8R 名古屋競馬場ダート1700m　発走 16:15

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	アルダブラアトール	加藤誓（愛知）	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10.3着と低調）
前5走 05/21 名古屋7R 10着/10頭+0.0秒 05/06 名古屋6R 11着/11頭+2.7秒 04/23 名古屋12R 10着/12頭+1.9秒 04/09 名古屋8R 7着/12頭+2.1秒 03/25 名古屋6R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.3着 (不振) ○ 当競馬場適性 12走で勝率 17% (相性良) ▽ 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) -91% (大幅な期待値マイナス) AI 予想勝率 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。
2	パルティーダ	大畑雅（愛知）	実55.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し）
前5走 05/21 名古屋7R 6着/10頭 05/06 名古屋5R 4着/11頭+2.0秒 04/23 名古屋12R 11着/12頭+2.2秒 04/09 名古屋5R 4着/11頭+0.3秒 03/26 名古屋12R 8着/11頭+0.7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 25走で勝率 8% ▽ 距離適性同距離は 8走で勝ち無し ○ 馬場適性同馬場 8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) +71% (市場が大幅過小評価) AI 予想勝率 3.1% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ポケッティーノ	細川智（愛知）	実148.2	▽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）
前5走 05/21 名古屋7R 7着/10頭+5.0秒 07/23 名古屋6R 10着/11頭+1.7秒 06/17 名古屋6R 4着/12頭+0.8秒 06/05 名古屋7R 7着/11頭+0.9秒 05/22 名古屋5R 5着/11頭+1.4秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 10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 14日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +176% (市場が大幅過小評価) AI 予想勝率 1.9% (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。
4	アユツリー	加藤聡（愛知）	実66.6	△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26%）
前5走 05/21 名古屋6R 4着/10頭+0.0秒 05/06 名古屋5R 7着/11頭+2.9秒 01/28 大井9R 9着/9頭+3.6秒 01/15 大井10R 12着/12頭+3.2秒 12/02 大井6R 14着/14頭+5.1秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.7着 ◎ 騎手近50戦勝率 26% (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) +257% (市場が大幅過小評価) AI 予想勝率 5.4% (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。
5	エイシンマクルーベ	木之葵（愛知）	実1.5	▲詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場8走で勝率38%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/25 名古屋6R 1着/10頭 05/07 名古屋12R 1着/10頭勝利 04/23 名古屋6R 2着/12頭+0.5秒 04/10 名古屋2R 2着/10頭+0.4秒 03/26 名古屋3R 6着/12頭+0.5秒
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 8走で勝率 38% (得意) △ 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) -63% (大幅な期待値マイナス) AI 予想勝率 24.4% (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。
6	ハクサンミニョン推奨	大畑慧（愛知）	実16.4	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+88%の中穴候補（当競馬場19走で勝率32%と適性高／同距離帯で勝率25%と得意／同馬場と相性良）
前5走 01/02 名古屋12R 4着/9頭+1.5秒 11/26 名古屋10R 8着/12頭+1.9秒 11/11 名古屋11R 8着/11頭+1.3秒 10/29 名古屋11R 8着/11頭+2.0秒 08/21 名古屋10R 7着/10頭+2.8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 19走で勝率 32% (得意) ◎ 距離適性同距離 8走で勝率 25% ○ 馬場適性同馬場 7走で勝率 29% △ ローテーション 153日休養明け 🌟◎ 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 11.5% (オッズ暗示: 6.1%) ※ 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	ワールドウィスラー	阪野学（愛知）	実206.8	▽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／直近3走平均10.3着と低調）
前5走 05/21 名古屋7R 8着/10頭 04/23 名古屋12R 12着/12頭+5.9秒 04/08 名古屋10R 11着/11頭+2.0秒 03/25 名古屋10R 11着/12頭+2.8秒 03/09 名古屋11R 10着/12頭+2.3秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 10.3着 (不振) × 当競馬場適性 8走で勝率 0% (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) +11% (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。
8	ピエナブリックス	近藤颯（愛知）	実11.4	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（同距離帯は3走で勝ち無し／直近3走平均2.3着と安定／前走2着）
前5走 05/22 名古屋12R 2着/10頭+1.0秒 05/07 名古屋8R 2着/10頭+0.2秒 04/24 名古屋9R 3着/12頭+1.0秒 02/12 名古屋7R 6着/12頭+1.2秒 01/29 名古屋9R 4着/11頭+0.8秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 2.3着 (安定) △ 当競馬場適性 28走で勝率 14% ▽ 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 2着 (好走) △ 期待値 (オッズ vs AI勝率) -18% (オッズ過剰評価) AI 予想勝率 7.2% (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。
9	アインホルン	望月洵（愛知）	実4.1	◎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（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 05/08 名古屋12R 1着/10頭勝利 04/23 名古屋6R 1着/12頭勝利 04/09 名古屋2R 1着/11頭勝利 01/15 園田7R 8着/10頭+1.3秒 12/24 園田7R 5着/10頭+1.9秒
AI 評価の内訳 — 馬番 9 ◎ 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 24% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ ローテーション 27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 26.6% (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。
10	ビップレジアス	東川慎（笠松）	実190.9	▽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9.3着と低調）
前5走 05/21 名古屋7R 9着/10頭 05/05 名古屋1R 8着/11頭+1.2秒 04/22 名古屋12R 11着/12頭+3.7秒 03/25 名古屋10R 12着/12頭+4.1秒 03/12 名古屋8R 12着/12頭+4.0秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) △ 騎手近50戦勝率 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) +260% (市場が大幅過小評価) AI 予想勝率 1.9% (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	バイマイセルフ	塚本征（愛知）	実8.3	▲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33%／直近3走で勝率67%と好調／前走3着）
前5走 05/21 名古屋6R 3着/10頭 05/08 名古屋2R 1着/11頭勝利 04/24 名古屋3R 1着/12頭勝利 04/10 名古屋5R 3着/11頭+0.2秒 03/26 名古屋4R 3着/12頭+0.5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 15走で勝率 20% (相性良) ◎ 馬場適性同馬場 3走で勝率 33% ◎ 騎手近50戦勝率 26% (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) -25% (オッズ過剰評価) AI 予想勝率 9.1% (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。
12	ディプタルアスール	渡邊竜（笠松）	実18.5	△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5走 05/21 名古屋6R 5着/10頭 04/23 名古屋12R 6着/12頭+1.2秒 04/13 名古屋8R 1着/11頭勝利 03/27 名古屋5R 4着/9頭+1.1秒 03/13 名古屋7R 3着/10頭+0.1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 15走で勝率 20% (相性良) ○ 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% (オッズ過剰評価) AI 予想勝率 4.3% (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。

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 ハクサンミニョン実16.4倍期待値 +88% 推奨 11.3〜23.7倍 100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

9R 名古屋競馬場ダート2000m　発走 16:50

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ノブエイト	近藤颯（愛知）	実6.0	○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 05/21 名古屋8R 4着/10頭+0.0秒 05/06 名古屋5R 2着/11頭+0.1秒 04/24 名古屋8R 1着/11頭勝利 03/27 名古屋3R 2着/11頭+0.6秒 03/13 名古屋3R 3着/10頭+0.2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 15走で勝率 13% △ 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) -45% (大幅な期待値マイナス) AI 予想勝率 9.1% (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。
2	ドラゴンラック	山田祥（愛知）	実24.2	△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／同馬場状態で勝率33%）
前5走 05/21 名古屋7R 5着/10頭 05/06 名古屋6R 7着/11頭+1.7秒 04/23 名古屋8R 3着/12頭+1.2秒 04/10 名古屋8R 7着/11頭+1.7秒 03/23 名古屋10R 6着/8頭+1.8秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.0着 ◎ 当競馬場適性 12走で勝率 25% (得意) ◎ 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) ○ 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) -17% (オッズ過剰評価) AI 予想勝率 3.4% (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。
3	グールマン	加藤聡（愛知）	実18.2	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場15走で勝率27%と適性高／騎手は近50戦で勝率24%）
前5走 05/21 名古屋8R 7着/10頭 05/06 名古屋7R 10着/12頭+2.1秒 04/09 名古屋8R 2着/12頭+0.1秒 03/27 名古屋6R 1着/9頭勝利 03/02 名古屋1R 1着/11頭勝利
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 15走で勝率 27% (得意) ◎ 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) +2% (市場と概ね一致) AI 予想勝率 5.7% (オッズ暗示: 5.5%) ※ 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	サトノパトス	今井貴（愛知）	実11.6	△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）
前5走 05/21 名古屋7R 3着/10頭 05/08 名古屋8R 1着/11頭勝利 04/24 名古屋7R 8着/12頭+2.2秒 04/13 名古屋12R 7着/11頭+1.0秒 03/02 名古屋1R 5着/11頭+1.0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 15走で勝率 13% ○ 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) -14% (オッズ過剰評価) AI 予想勝率 7.4% (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。
5	グロリアスヒーロー	丸山真（愛知）	実9.8	▲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10.0着と低調／484日ぶりの実戦）
前5走 02/05 川崎10R 10着/11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) △ 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 484日休養明け △ 期待値 (オッズ vs AI勝率) -14% (オッズ過剰評価) AI 予想勝率 8.8% (オッズ暗示: 10.2%) ※ 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	カワキタマックス	塚本征（愛知）	実49.3	▽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／騎手は近50戦で勝率26%）
前5走 05/21 名古屋10R 8着/9頭 05/06 名古屋7R 11着/12頭+3.0秒 04/22 名古屋6R 4着/12頭+1.3秒 04/09 名古屋8R 4着/12頭+1.1秒 03/24 名古屋9R 8着/10頭+2.4秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ◎ 騎手近50戦勝率 26% (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) -42% (大幅な期待値マイナス) AI 予想勝率 1.2% (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。
7	ミヤビエクセレント	大原浩（笠松）	実94.3	▽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 05/21 名古屋8R 10着/10頭+0.0秒 05/06 名古屋6R 8着/11頭+1.9秒 04/22 名古屋6R 7着/12頭+1.7秒 04/09 名古屋10R 10着/11頭+2.5秒 03/25 名古屋11R 9着/12頭+3.2秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) ○ 当競馬場適性 6走で勝率 17% (相性良) ▽ 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) -2% (オッズ過剰評価) AI 予想勝率 1.0% (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	キスメット	大畑雅（愛知）	実33.3	▽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 05/25 名古屋9R 1着/10頭 05/08 名古屋9R 4着/12頭+0.7秒 04/24 名古屋10R 3着/11頭+0.9秒 04/13 名古屋10R 7着/11頭+1.8秒 03/26 名古屋12R 5着/11頭+0.6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 10走で勝率 10% ◎ 前走実績前走 1着 (勢い継続) × 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 2.1% (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	アーニャアザザマス	望月洵（愛知）	実4.2	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場15走で勝率27%と適性高／騎手は近50戦で勝率24%）
前5走 05/21 名古屋7R 4着/10頭+4.0秒 05/07 名古屋10R 2着/10頭+1.2秒 04/23 名古屋8R 11着/12頭+4.2秒 03/25 名古屋5R 9着/11頭+2.1秒 03/12 名古屋7R 3着/10頭+0.9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 15走で勝率 27% (得意) ○ 馬場適性同馬場 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) +6% (市場と概ね一致) AI 予想勝率 25.4% (オッズ暗示: 23.8%) ※ 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	スティールシャトル	細川智（愛知）	実106.0	▽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／直近3走平均11.0着と低調）
前5走 05/21 名古屋10R 9着/9頭 05/06 名古屋7R 12着/12頭+3.4秒 04/22 名古屋6R 12着/12頭+3.4秒 04/08 名古屋10R 10着/11頭+1.7秒 03/25 名古屋10R 10着/12頭+2.7秒
AI 評価の内訳 — 馬番 10 × 直近3戦の調子平均 11.0着 (不振) × 当競馬場適性 9走で勝率 0% (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) +74% (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。
11	ロックマジェスティ	大畑慧（愛知）	実2.2	◎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（直近3走で勝率33%と好調／前走3着）
前5走 05/20 名古屋9R 3着/11頭+3.0秒 04/24 名古屋7R 1着/12頭勝利 04/13 名古屋8R 5着/11頭+1.5秒 02/13 名古屋2R 1着/11頭勝利 01/04 名古屋6R 1着/12頭勝利
AI 評価の内訳 — 馬番 11 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 22走で勝率 23% (相性良) ○ 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 15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 25.9% (オッズ暗示: 45.5%) ※ 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	リプリー	木之葵（愛知）	実16.2	▲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50%／直近3走で勝率33%と好調）
前5走 05/20 名古屋12R 7着/11頭 04/23 名古屋8R 8着/12頭+2.7秒 03/27 名古屋7R 1着/10頭勝利 03/02 名古屋3R 3着/11頭+0.9秒 02/13 名古屋3R 4着/11頭+0.6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 22走で勝率 23% (相性良) ◎ 馬場適性同馬場 6走で勝率 50% ○ 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) +36% (妙味あり) AI 予想勝率 8.4% (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。

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 9-11 実9.1倍期待値 +60% 100円 ❌不的中9番(-)-11番(1着)

B. 市場除外+キャリブ

単勝 3 グールマン実18.2倍期待値 +255% 推奨 6.7〜30.0倍 300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

10R 名古屋競馬場ダート2100m　発走 17:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ピュアバルキリー	細川智（愛知）	実93.4	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 名古屋9R 4着/10頭+0.0秒 01/28 名古屋8R 2着/10頭+0.5秒 01/15 名古屋11R 4着/8頭+2.6秒 12/22 名古屋1R 1着/11頭勝利 12/09 名古屋1R 2着/11頭+0.4秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 8走で勝率 12% ○ 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) +142% (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。
2	ヨッシーリオ	筒井勇（笠松）	実22.0	△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50%と好調）
前5走 05/21 名古屋12R 5着/7頭 04/23 名古屋5R 1着/11頭勝利 ― ― ―
AI 評価の内訳 — 馬番 2 ◎ 直近3戦の調子勝率 50% (絶好調) △ 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) -36% (大幅な期待値マイナス) AI 予想勝率 2.9% (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。
3	キタサンフジヤマ	渡邊竜（笠松）	実2.5	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走で勝率100%と好調／前走勝利の勢い）
前5走 05/20 名古屋3R 1着/10頭 05/04 名古屋3R 1着/10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) ◎ 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) -59% (大幅な期待値マイナス) AI 予想勝率 16.5% (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	ソルテソーロ	塚本征（愛知）	実14.2	△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67%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 05/20 名古屋6R 1着/10頭 05/08 名古屋7R 1着/11頭勝利 04/20 名古屋3R 3着/12頭+1.0秒 ― ―
AI 評価の内訳 — 馬番 4 ◎ 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) ◎ 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 15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 5.5% (オッズ暗示: 7.0%) ※ 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。
5	フルールドゥリュン	大畑慧（愛知）	実141.6	▽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）
前5走 05/21 名古屋9R 6着/10頭 05/06 名古屋8R 3着/10頭+0.8秒 04/22 名古屋9R 8着/9頭+2.2秒 04/09 名古屋7R 8着/12頭+1.3秒 03/25 名古屋9R 5着/7頭+2.5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 13走で勝率 8% ▽ 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) -12% (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。
6	キャメロン	友森翔（愛知）	実84.0	▽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 05/21 名古屋12R 6着/7頭+0.0秒 05/05 名古屋3R 3着/5頭+1.4秒 04/22 名古屋9R 4着/9頭+1.0秒 04/09 名古屋7R 6着/12頭+1.1秒 03/26 名古屋8R 4着/12頭+2.4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 19走で勝率 5% ◎ 馬場適性同馬場 3走で勝率 33% ○ 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% (妙味あり) AI 予想勝率 1.7% (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。
7	スマイルフレイヤ	阪野学（愛知）	実191.0	▽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／直近3走平均8.3着と低調）
前5走 05/21 名古屋9R 8着/10頭 05/05 名古屋11R 8着/11頭+7.8秒 04/22 名古屋9R 9着/9頭+3.8秒 03/25 名古屋8R 8着/10頭+4.3秒 03/12 名古屋9R 10着/10頭+3.4秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 9走で勝率 0% (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) +72% (市場が大幅過小評価) AI 予想勝率 0.9% (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。
8	ハンドフル	丸野勝（愛知）	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4走で勝率50%と適性高／直近3走で勝率33%と好調／前走3着）
前5走 05/05 名古屋11R 3着/11頭+1.4秒 04/10 名古屋11R 2着/10頭+0.1秒 02/27 名古屋8R 1着/12頭勝利 02/10 名古屋2R 1着/12頭勝利 ―
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 4走で勝率 50% (得意) ○ 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) -33% (大幅な期待値マイナス) AI 予想勝率 33.3% (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。
9	ナラティヴハーピー	今井貴（愛知）	実86.9	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 名古屋9R 5着/10頭+0.0秒 04/22 名古屋5R 3着/12頭+1.0秒 04/09 名古屋7R 5着/12頭+1.0秒 03/12 名古屋9R 5着/10頭+0.6秒 02/26 名古屋11R 10着/12頭+4.7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 11走で勝率 9% ○ 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) +178% (市場が大幅過小評価) AI 予想勝率 3.2% (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。
10	ハッピーアシュレイ	木之葵（愛知）	実18.7	▲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 05/06 名古屋4R 1着/12頭勝利 04/23 名古屋5R 2着/11頭+0.3秒 03/26 名古屋7R 2着/10頭+0.4秒 03/13 名古屋2R 9着/11頭+2.0秒 02/27 名古屋7R 4着/11頭+0.3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 6走で勝率 33% (得意) ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +19% (市場と概ね一致) AI 予想勝率 6.4% (オッズ暗示: 5.3%) ※ 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	アンラコル	望月洵（愛知）	実13.1	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（前走3着／騎手は近50戦で勝率24%）
前5走 05/21 名古屋12R 3着/7頭+1.0秒 04/09 名古屋11R 6着/10頭+2.0秒 03/12 名古屋9R 3着/10頭+0.3秒 02/26 名古屋11R 6着/12頭+2.6秒 02/11 名古屋10R 4着/11頭+0.8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 8走で勝率 12% ◎ 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) +44% (妙味あり) AI 予想勝率 11.0% (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。
12	ビアリッツ推奨	近藤颯（愛知）	実12.4	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+91%の中穴候補（直近3走勝率33%と上り調子／当競馬場で勝率17%と相性良／前走2着で力を示す）
前5走 05/21 名古屋9R 2着/10頭 05/06 名古屋8R 1着/10頭勝利 04/22 名古屋9R 5着/9頭+1.2秒 04/09 名古屋7R 4着/12頭+0.9秒 03/25 名古屋9R 3着/7頭+1.2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 6走で勝率 17% (相性良) △ 騎手近50戦勝率 4% (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) +91% (市場が大幅過小評価) AI 予想勝率 15.4% (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 12 ビアリッツ実12.4倍期待値 +91% 推奨 8.4〜18.3倍 200円 ❌不的中

B. 市場除外+キャリブ

単勝 4 ソルテソーロ実14.2倍期待値 +135% 推奨 7.8〜25.7倍 200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

11R 名古屋競馬場ダート2100m　発走 18:05

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	リトルリリイ	加藤聡（愛知）	実180.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調／前走勝利の勢い／113日ぶりの実戦）
前5走 02/11 名古屋8R 1着/11頭勝利 01/28 名古屋11R 6着/11頭+0.9秒 01/04 名古屋10R 1着/11頭勝利 12/23 名古屋6R 2着/10頭+0.1秒 12/10 名古屋11R 6着/11頭+3.0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 15走で勝率 13% ◎ 騎手近50戦勝率 24% (好調) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 113日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +148% (市場が大幅過小評価) AI 予想勝率 1.4% (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	ローザレイア	木之葵（愛知）	実226.5	▽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 05/21 名古屋12R 7着/7頭+7.0秒 04/09 名古屋11R 7着/10頭+2.4秒 03/25 名古屋8R 7着/10頭+3.3秒 03/12 名古屋9R 7着/10頭+1.4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 4走で勝率 0% (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) +157% (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。
3	リバーストリート	渡邊竜（笠松）	実19.6	○詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（127日ぶりの実戦）
前5走 01/28 名古屋11R 4着/11頭+0.5秒 ― ― ― ―
AI 評価の内訳 — 馬番 3 △ 直近3戦の調子平均 4.0着 △ ローテーション 127日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +86% (市場が大幅過小評価) AI 予想勝率 9.5% (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。
4	アルティメイタム	塚本征（愛知）	実6.9	○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50%と適性高／直近3走で勝率67%と好調／前走勝利の勢い）
前5走 03/26 名古屋11R 1着/8頭勝利 01/15 名古屋11R 2着/8頭+1.7秒 11/21 名古屋11R 1着/10頭勝利 10/30 名古屋11R 2着/12頭+0.0秒 10/02 名古屋8R 1着/12頭勝利
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 6走で勝率 50% (得意) ◎ 騎手近50戦勝率 26% (好調) ◎ 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 15.0% (オッズ暗示: 14.5%) ※ 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	ホッカイダイオー	望月洵（愛知）	実36.5	△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33%と適性高／同距離帯3走で勝率33%／前走2着）
前5走 05/21 名古屋12R 2着/7頭 05/05 名古屋11R 7着/11頭+6.7秒 04/22 名古屋9R 2着/9頭+0.3秒 03/25 名古屋9R 1着/7頭勝利 03/02 名古屋6R 1着/11頭勝利
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 3.7着 ◎ 当競馬場適性 6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 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) +151% (市場が大幅過小評価) AI 予想勝率 6.9% (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。
6	タガノアイゼン	近藤颯（愛知）	実54.6	△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75%と適性高／直近3走で勝率67%と好調）
前5走 05/05 名古屋11R 5着/11頭+3.8秒 04/10 名古屋11R 1着/10頭勝利 03/26 名古屋8R 1着/12頭勝利 03/10 名古屋1R 1着/11頭勝利 ―
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 75% (得意) △ 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 3.2% (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。
7	エレガントファラオ	明星晴（笠松）	実50.7	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率50%と好調／前走勝利の勢い）
前5走 05/21 名古屋12R 1着/7頭 05/06 名古屋8R 4着/10頭+0.9秒 ― ― ―
AI 評価の内訳 — 馬番 7 ◎ 直近3戦の調子勝率 50% (絶好調) △ 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 14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 3.1% (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。
8	カワテンバッカス	今井貴（愛知）	実35.6	▲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38%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 05/05 名古屋3R 1着/5頭勝利 04/22 名古屋9R 6着/9頭+1.5秒 03/26 名古屋11R 2着/8頭+0.4秒 03/11 名古屋5R 1着/10頭勝利 10/31 名古屋2R 1着/12頭勝利
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 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) 🌟◎ 期待値 (オッズ vs AI勝率) +153% (市場が大幅過小評価) AI 予想勝率 7.1% (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。
9	マイネルモンテュス	大原浩（笠松）	実29.6	▲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50%と適性高／直近3走で勝率33%と好調）
前5走 05/05 名古屋11R 4着/11頭+2.6秒 04/10 名古屋11R 3着/10頭+1.1秒 03/12 名古屋9R 1着/10頭勝利 02/26 名古屋11R 2着/12頭+1.7秒 02/11 名古屋10R 1着/11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 6走で勝率 50% (得意) 🌟◎ 期待値 (オッズ vs AI勝率) +110% (市場が大幅過小評価) AI 予想勝率 7.1% (オッズ暗示: 3.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アストラビアンコ	細川智（愛知）	実1.1	×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（当競馬場6走で勝率83%と適性高／直近3走で勝率67%と好調／前走2着）
前5走 05/05 名古屋11R 2着/11頭+0.2秒 02/26 名古屋11R 1着/12頭勝利 01/15 名古屋11R 1着/8頭勝利 12/10 名古屋11R 1着/11頭勝利 11/21 名古屋9R 1着/10頭勝利
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 6走で勝率 83% (得意) ○ 前走実績前走 2着 (好走) × 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 43.1% (オッズ暗示: 90.9%) ※ 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	ハチハチローズ	筒井勇（笠松）	実245.3	▽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 05/21 名古屋12R 4着/7頭 05/05 名古屋11R 11着/11頭+12.0秒 04/09 名古屋11R 10着/10頭+4.9秒 03/25 名古屋8R 5着/10頭+2.4秒 03/12 名古屋9R 9着/10頭+2.6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 13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) +143% (市場が大幅過小評価) AI 予想勝率 1.0% (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。
12	エイシンイーピン	丸野勝（愛知）	実78.7	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走で勝率67%と好調）
前5走 05/21 名古屋8R 8着/10頭 04/09 名古屋7R 1着/12頭勝利 03/25 名古屋8R 1着/10頭勝利 03/12 名古屋10R 3着/10頭+0.2秒 02/11 名古屋8R 2着/11頭+0.6秒
AI 評価の内訳 — 馬番 12 ◎ 直近3戦の調子勝率 67% (絶好調) ○ 当競馬場適性 13走で勝率 23% (相性良) ○ 騎手近50戦勝率 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) +13% (市場と概ね一致) AI 予想勝率 1.4% (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

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 名古屋競馬場ダート1500m　発走 18:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	パーソナルレコード推奨	近藤颯（愛知）	実8.3	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+58%の中穴候補（近5走で勝率20%と堅実／前走2着で力を示す／適度な間隔で状態万全）
前5走 05/21 名古屋5R 2着/10頭 05/06 名古屋2R 4着/10頭+0.6秒 04/22 名古屋8R 5着/11頭+1.0秒 03/25 園田3R 1着/12頭勝利 09/17 園田8R 6着/9頭+0.9秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 3.7着 × 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 △ 騎手近50戦勝率 4% (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) +58% (市場が大幅過小評価) AI 予想勝率 19.1% (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。
2	マチウマフローラ	大畑慧（愛知）	実5.3	▲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 05/06 名古屋2R 2着/10頭+0.4秒 04/22 名古屋4R 4着/12頭+0.3秒 04/08 名古屋3R 1着/11頭勝利 07/23 名古屋6R 4着/11頭+1.0秒 07/09 名古屋7R 4着/12頭+1.0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 15走で勝率 20% (相性良) ○ 距離適性同距離 15走で勝率 20% ○ 馬場適性同馬場 5走で勝率 20% ○ 前走実績前走 2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 11.2% (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。
3	ノーブルカグラ	藤原幹（笠松）	実120.9	▽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0%と苦戦傾向／同距離帯は35走で勝ち無し）
前5走 05/21 名古屋5R 8着/10頭 05/06 名古屋10R 5着/11頭+0.3秒 04/23 名古屋2R 7着/12頭+1.1秒 04/09 名古屋6R 3着/11頭+0.3秒 03/11 名古屋6R 6着/11頭+1.3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 36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 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) +1% (市場と概ね一致) AI 予想勝率 0.8% (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。
4	キャットサンライズ	阪野学（愛知）	実64.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場19走で勝率0%と苦戦傾向／同距離帯は19走で勝ち無し／前走3着）
前5走 05/21 名古屋3R 3着/10頭 05/06 名古屋2R 5着/10頭+0.8秒 04/22 名古屋8R 9着/11頭+1.5秒 04/09 名古屋4R 8着/11頭+1.2秒 03/25 名古屋3R 4着/11頭+1.8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 19走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し ○ 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) +36% (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。
5	ルークピオーネ	丹羽克（愛知）	実28.8	▽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／直近3走で勝率33%と好調）
前5走 05/22 名古屋6R 5着/9頭+0.0秒 05/08 名古屋12R 6着/10頭+0.9秒 04/22 名古屋3R 1着/12頭勝利 04/09 名古屋1R 7着/11頭+1.4秒 03/24 名古屋5R 2着/12頭+0.6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 5% (苦戦) △ 距離適性同距離 19走で勝率 5% × 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 1.9% (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。
6	マルシェ	塚本征（愛知）	実7.0	▲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／騎手は近50戦で勝率24%）
前5走 05/21 名古屋5R 4着/10頭 05/06 名古屋1R 2着/11頭+0.0秒 04/09 名古屋2R 3着/11頭+1.3秒 03/25 名古屋1R 5着/11頭+0.8秒 03/09 名古屋6R 1着/11頭勝利
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 3.0着 (安定) ○ 当競馬場適性 5走で勝率 20% (相性良) ○ 距離適性同距離 5走で勝率 20% ◎ 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) -19% (オッズ過剰評価) AI 予想勝率 11.6% (オッズ暗示: 14.3%) ※ 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	ピークブルーム	細川智（愛知）	実21.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/22 名古屋7R 5着/11頭 05/06 名古屋10R 2着/11頭+0.1秒 04/23 名古屋3R 6着/12頭+0.6秒 04/10 名古屋1R 5着/11頭+1.0秒 10/16 名古屋8R 6着/12頭+1.4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 11走で勝率 18% (相性良) ○ 距離適性同距離 11走で勝率 18% △ 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 5.0% (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。
8	ドラゴンガール	今井貴（愛知）	実5.2	◎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（直近3走で勝率33%と好調／前走2着）
前5走 05/22 名古屋8R 2着/11頭+2.0秒 04/23 名古屋4R 9着/12頭+2.5秒 04/08 名古屋12R 1着/12頭勝利 03/24 名古屋4R 2着/11頭+0.5秒 03/09 名古屋8R 3着/12頭+1.4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 8走で勝率 12% △ 距離適性同距離 8走で勝率 12% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) +29% (市場と概ね一致) AI 予想勝率 24.9% (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。
9	ダックリン	筒井勇（笠松）	実19.3	△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5%と苦戦傾向）
前5走 05/22 名古屋4R 7着/10頭+0.0秒 04/23 名古屋1R 2着/11頭+0.5秒 04/09 名古屋2R 2着/11頭+1.0秒 03/26 名古屋4R 7着/12頭+1.4秒 03/12 名古屋2R 8着/11頭+2.0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 41走で勝率 5% (苦戦) △ 距離適性同距離 37走で勝率 5% △ 騎手近50戦勝率 2% (やや苦戦) × 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 2.5% (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。
10	ロジスクリーン	丸山真（愛知）	実38.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率5%と苦戦傾向／同距離帯は41走で勝ち無し／前走3着）
前5走 05/21 名古屋5R 3着/10頭 04/23 名古屋1R 4着/11頭+0.8秒 04/09 名古屋6R 5着/11頭+0.7秒 03/26 名古屋6R 8着/12頭+3.3秒 03/12 名古屋4R 6着/11頭+1.4秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 4.0着 × 当競馬場適性 41走で勝率 5% (苦戦) ▽ 距離適性同距離は 41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) -49% (大幅な期待値マイナス) AI 予想勝率 1.3% (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。
11	アンファング	望月洵（愛知）	実2.8	▲詳細▼	人気馬、市場評価通りで上乗せなし（直近3走平均3.0着と安定／前走2着／騎手は近50戦で勝率24%）
前5走 05/21 名古屋2R 2着/10頭 05/05 名古屋12R 3着/12頭+0.3秒 04/22 名古屋2R 4着/12頭+1.7秒 04/08 名古屋5R 2着/10頭+0.0秒 03/24 名古屋6R 3着/12頭+0.5秒
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 9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 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) -51% (大幅な期待値マイナス) AI 予想勝率 17.5% (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	カミーチェ	木之葵（愛知）	実13.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場37走で勝率0%と苦戦傾向／同距離帯は37走で勝ち無し／前走2着）
前5走 05/21 名古屋3R 2着/10頭+0.0秒 05/06 名古屋1R 4着/11頭+0.2秒 04/09 名古屋4R 10着/11頭+1.5秒 03/26 名古屋1R 5着/11頭+1.5秒 03/11 名古屋4R 10着/11頭+1.4秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 37走で勝率 0% (苦戦) ▽ 距離適性同距離は 37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) -71% (大幅な期待値マイナス) AI 予想勝率 2.1% (オッズ暗示: 7.2%) ※ 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 1 パーソナルレコード確定8.1倍期待値 +58% 推奨 6.8〜10.1倍 100円 🎯的中1着810円
馬連 1-8 実33.9倍期待値 +313% 200円 ❌不的中1番(1着)-8番(7着)
3連複 1-8-11 実28.7倍期待値 +205% 100円 ❌不的中1番(1着)-8番(7着)-11番(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

1R 園田競馬場ダート1400m　発走 10:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	バイアスペクター	山本太（兵庫）	実135.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場30走で勝率0%と苦戦傾向／同距離帯は17走で勝ち無し／直近3走平均8.3着と低調）
前5走 05/13 園田1R 9着/9頭+2.2秒 04/22 園田3R 7着/8頭+1.7秒 04/08 園田2R 9着/9頭+2.2秒 01/13 園田1R 4着/12頭+0.4秒 12/29 園田1R 3着/10頭+1.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 30走で勝率 0% (苦戦) ▽ 距離適性同距離は 17走で勝ち無し ○ 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) +66% (市場が大幅過小評価) AI 予想勝率 1.2% (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。
2	クラウンオーシャン	小谷周（兵庫）	実54.2	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/22 園田1R 9着/10頭+1.0秒 05/05 園田3R 9着/10頭+2.9秒 04/22 園田7R 7着/9頭+0.8秒 04/01 園田6R 10着/10頭+2.0秒 03/18 園田2R 7着/10頭+1.5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 53走で勝率 8% △ 距離適性同距離 46走で勝率 9% 🌟◎ 期待値 (オッズ vs AI勝率) +81% (市場が大幅過小評価) AI 予想勝率 3.3% (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。
3	アルリフラ	廣瀬航（兵庫）	実23.6	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場24走で勝率0%と苦戦傾向／同距離帯は19走で勝ち無し）
前5走 05/13 園田1R 4着/9頭+0.5秒 04/21 園田1R 4着/10頭+0.9秒 04/02 園田2R 7着/8頭+2.3秒 03/18 園田1R 6着/10頭+1.2秒 01/13 園田3R 6着/12頭+1.1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 24走で勝率 0% (苦戦) ▽ 距離適性同距離は 19走で勝ち無し ○ 騎手近50戦勝率 16% ○ 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) +5% (市場と概ね一致) AI 予想勝率 4.5% (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。
4	ゴールドプレミアム	永井孝（兵庫）	実12.7	▲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8走で勝ち無し）
前5走 05/22 園田1R 5着/10頭+0.0秒 05/07 園田2R 6着/10頭+0.8秒 04/22 園田3R 4着/8頭+0.1秒 04/07 園田1R 8着/9頭+1.5秒 03/24 園田3R 4着/10頭+1.1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 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) +54% (市場が大幅過小評価) AI 予想勝率 12.2% (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。
5	チョウカンセイ	長尾翼（兵庫）	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26走で勝率0%と苦戦傾向／同距離帯は26走で勝ち無し）
前5走 05/14 園田1R 4着/9頭+0.4秒 04/29 園田1R 4着/10頭+1.1秒 04/15 園田2R 8着/10頭+2.8秒 03/31 園田1R 7着/10頭+1.2秒 01/13 園田3R 5着/12頭+1.1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 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 26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 21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 1.9% (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	サティンボディス	大山真（兵庫）	実7.3	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場52走で勝率4%と苦戦傾向／同距離帯は36走で勝ち無し）
前5走 05/21 園田2R 6着/9頭 05/07 園田2R 4着/10頭+0.6秒 04/23 園田1R 7着/10頭+0.9秒 04/09 園田3R 5着/8頭+1.4秒 03/26 園田3R 9着/10頭+2.3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 52走で勝率 4% (苦戦) ▽ 距離適性同距離は 36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) +35% (妙味あり) AI 予想勝率 18.5% (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。
7	メフィスト	佐々世（兵庫）	実13.1	▲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5走 05/21 園田1R 6着/10頭 05/07 園田2R 9着/10頭+2.3秒 01/15 園田5R 2着/12頭+0.2秒 12/31 園田5R 6着/12頭+1.1秒 12/16 園田6R 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 5.7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 ○ 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% (妙味あり) AI 予想勝率 10.8% (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。
8	サクラヴィグール	吉村智（兵庫）	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（直近3走平均3.0着と安定／前走3着／騎手は近50戦で勝率38%）
前5走 05/14 園田1R 3着/9頭+0.3秒 01/07 園田2R 4着/10頭+1.1秒 12/10 園田3R 2着/10頭+0.1秒 11/20 園田2R 3着/10頭+0.5秒 11/04 園田2R 2着/6頭+0.0秒
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 3.0着 (安定) △ 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% ◎ 騎手近50戦勝率 38% (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) -65% (大幅な期待値マイナス) AI 予想勝率 29.1% (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	ブリッジジェイアイ	土方颯（兵庫）	実116.1	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場18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 05/13 園田1R 7着/9頭+1.2秒 04/29 園田1R 5着/10頭+1.9秒 04/09 園田1R 4着/8頭+2.3秒 03/17 園田1R 9着/10頭+2.6秒 01/13 園田1R 6着/12頭+0.8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 18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 2% (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) +30% (妙味あり) AI 予想勝率 1.1% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	プロミット推奨	杉浦健（兵庫）	実22.9	○詳細▼	市場が大きく過小評価、AI予想勝率17% × オッズ22.9倍で期待値+296%の有力候補（適度な間隔で状態万全）
前5走 05/13 園田1R 5着/9頭+0.8秒 04/22 園田3R 8着/8頭+2.4秒 04/02 園田2R 4着/8頭+1.5秒 01/14 園田1R 4着/12頭+0.7秒 12/24 園田2R 10着/10頭+3.8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 24走で勝率 8% △ 距離適性同距離 23走で勝率 9% ○ 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) +296% (市場が大幅過小評価) AI 予想勝率 17.3% (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 (AI 期待値プラス判定)

A. 市場込みモデル

単勝 10 プロミット実22.9倍期待値 +296% 推奨 7.5〜30.0倍 300円 ❌不的中

B. 市場除外+キャリブ

単勝 7 メフィスト実13.1倍期待値 +144% 推奨 7.0〜26.2倍 300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 園田競馬場ダート1400m　発走 11:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シュタイナー	高畑皓（兵庫）	実85.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26走で勝率0%と苦戦傾向／同距離帯は59走で勝ち無し）
前5走 05/20 園田1R 4着/7頭 04/29 園田4R 10着/10頭+1.8秒 04/14 園田1R 5着/10頭+0.8秒 04/02 園田3R 5着/8頭+1.3秒 03/19 園田2R 5着/10頭+0.7秒
AI 評価の内訳 — 馬番 1 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 59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 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 1.0% (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。
2	メイプルドレフォン	板野央（兵庫）	実86.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場41走で勝率5%と苦戦傾向／前走3着）
前5走 05/20 園田1R 3着/7頭 04/29 園田4R 8着/10頭+1.5秒 04/08 園田2R 8着/9頭+2.0秒 03/24 園田3R 5着/10頭+1.4秒 01/07 園田2R 7着/10頭+1.5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 41走で勝率 5% (苦戦) △ 距離適性同距離 35走で勝率 6% △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3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) +146% (市場が大幅過小評価) AI 予想勝率 2.9% (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。
3	イタリックタイプ	竹村達（兵庫）	実101.3	△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10走で勝ち無し）
前5走 05/20 園田2R 9着/10頭 05/07 園田1R 2着/10頭+0.8秒 04/30 園田4R 10着/11頭+3.0秒 04/14 園田1R 7着/10頭+1.9秒 04/02 園田3R 8着/8頭+2.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0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 10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 15日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) +21% (市場と概ね一致) AI 予想勝率 1.2% (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。
4	スマートクイーン	山本太（兵庫）	実165.8	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/20 園田2R 7着/10頭+1.0秒 05/04 園田6R 5着/6頭+2.6秒 04/07 園田2R 10着/10頭+3.3秒 03/24 園田6R 9着/10頭+2.5秒 01/13 園田5R 7着/10頭+1.4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 30走で勝率 7% △ 距離適性同距離 22走で勝率 9% ○ 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) +94% (市場が大幅過小評価) AI 予想勝率 1.2% (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	メイショウシュート	南部楓（兵庫）	実6.0	▲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／63日ぶりの実戦）
前5走 04/02 園田7R 5着/9頭+0.6秒 07/25 園田6R 2着/9頭+0.2秒 07/10 園田3R 2着/9頭+0.4秒 01/04 園田3R 4着/12頭+0.3秒 08/14 園田8R 4着/9頭+0.8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 13走で勝率 23% (相性良) △ 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% × 期待値 (オッズ vs AI勝率) -56% (大幅な期待値マイナス) AI 予想勝率 7.4% (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。
6	ヒマリン	大山真（兵庫）	実3.1	▲詳細▼	AI上位評価だが期待値不足、見送り（前走2着）
前5走 05/14 園田1R 2着/9頭+0.1秒 01/13 園田3R 3着/12頭+0.5秒 12/17 園田2R 6着/10頭+0.7秒 11/26 園田2R 4着/12頭+0.5秒 11/13 園田2R 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 3.7着 △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 19走で勝率 5% ○ 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) -69% (大幅な期待値マイナス) AI 予想勝率 9.9% (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	アグネスサンキ	吉村智（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9走で勝率0%と苦戦傾向／同距離帯は9走で勝ち無し／騎手は近50戦で勝率38%）
前5走 05/20 園田7R 6着/10頭 05/06 園田2R 2着/10頭+0.1秒 04/22 園田3R 3着/8頭+0.1秒 04/09 園田1R 2着/8頭+0.6秒 10/02 園田4R 3着/9頭+0.6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 9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 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) -36% (大幅な期待値マイナス) AI 予想勝率 22.1% (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。
8	ヒシアラカン	塩津璃（兵庫）	実82.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場62走で勝率5%と苦戦傾向／直近3走平均8.7着と低調）
前5走 05/21 園田2R 5着/9頭 05/07 園田5R 9着/12頭+2.6秒 04/28 園田12R 12着/12頭+1.6秒 03/26 園田4R 9着/9頭+4.1秒 01/13 園田9R 9着/12頭+3.6秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 62走で勝率 5% (苦戦) △ 距離適性同距離 52走で勝率 6% ○ 騎手近50戦勝率 14% ○ 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) +160% (市場が大幅過小評価) AI 予想勝率 3.2% (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	キョウワグロリア	田野豊（兵庫）	実37.5	▲詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場29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8.3着と低調）
前5走 05/21 園田2R 4着/9頭 05/06 園田3R 10着/10頭+4.0秒 04/21 園田5R 11着/12頭+2.6秒 04/07 園田12R 10着/12頭+1.8秒 03/18 園田2R 10着/10頭+2.2秒
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.3着 (不振) × 当競馬場適性 29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 14% ○ 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) +167% (市場が大幅過小評価) AI 予想勝率 7.1% (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	サトノロワ	小谷哲（兵庫）	実2.9	◎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（同距離帯7走で勝率29%）
前5走 04/28 園田2R 4着/10頭+0.4秒 08/28 園田6R 10着/10頭+2.9秒 08/08 園田5R 5着/9頭+0.9秒 07/16 園田4R 1着/10頭勝利 11/27 園田7R 2着/10頭+1.1秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 6.3着 ○ 当競馬場適性 10走で勝率 20% (相性良) ◎ 距離適性同距離 7走で勝率 29% △ 騎手近50戦勝率 4% (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 44.1% (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。

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 園田競馬場ダート1400m　発走 11:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ブルームワルツ	廣瀬航（兵庫）	実41.2	△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／直近3走平均8.3着と低調）
前5走 05/22 園田2R 7着/10頭 05/07 園田7R 7着/9頭+2.3秒 04/23 園田7R 11着/12頭+2.8秒 04/09 園田9R 7着/8頭+2.4秒 03/17 園田5R 11着/12頭+2.4秒
AI 評価の内訳 — 馬番 1 × 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 4走で勝ち無し ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 2.5% (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	グランロゼ	川原正（兵庫）	実4.1	▲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27%と適性高／同距離帯10走で勝率30%／直近3走平均3.0着と安定）
前5走 05/13 園田3R 3着/9頭+0.4秒 04/08 園田3R 4着/10頭+2.4秒 03/18 園田2R 2着/10頭+0.0秒 01/13 園田9R 8着/12頭+3.2秒 12/29 園田9R 6着/8頭+1.6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 11走で勝率 27% (得意) ◎ 距離適性同距離 10走で勝率 30% ○ 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) -51% (大幅な期待値マイナス) AI 予想勝率 12.1% (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。
3	フルリール	永井孝（兵庫）	実5.1	△詳細▼	市場想定とAI評価が概ね一致、推奨に届かず
前5走 05/20 園田7R 4着/10頭 01/03 園田8R 5着/12頭+0.9秒 12/11 園田8R 3着/10頭+0.5秒 11/26 園田12R 7着/10頭+1.5秒 11/04 園田7R 3着/10頭+0.1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 11走で勝率 18% (相性良) △ 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) -80% (大幅な期待値マイナス) AI 予想勝率 3.9% (オッズ暗示: 19.6%) ※ 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	サファリ	塩津璃（兵庫）	実3.0	◎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（前走2着）
前5走 05/15 園田6R 2着/9頭+0.8秒 04/28 園田7R 10着/10頭+5.8秒 04/14 園田7R 6着/10頭+1.8秒 03/31 園田9R 9着/9頭+2.9秒 01/14 園田7R 1着/10頭勝利
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 6.0着 ○ 当競馬場適性 6走で勝率 17% (相性良) ○ 距離適性同距離 6走で勝率 17% ○ 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 20日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +43% (妙味あり) AI 予想勝率 47.9% (オッズ暗示: 33.3%) ※ 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	ニシノフォーリーフ	長尾翼（兵庫）	実74.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場56走で勝率4%と苦戦傾向／同距離帯は50走で勝ち無し／前走3着）
前5走 05/21 園田2R 3着/9頭 05/07 園田2R 8着/10頭+1.0秒 04/21 園田1R 2着/10頭+0.0秒 04/08 園田2R 5着/9頭+1.2秒 03/26 園田6R 8着/10頭+1.3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 56走で勝率 4% (苦戦) ▽ 距離適性同距離は 50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) -42% (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	エルイエロ	小谷周（兵庫）	実68.5	×詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場58走で勝率2%と苦戦傾向／同距離帯は55走で勝ち無し／前走2着）
前5走 05/21 園田1R 2着/10頭 05/07 園田1R 4着/10頭+1.1秒 04/22 園田3R 5着/8頭+0.8秒 04/09 園田2R 6着/8頭+2.0秒 03/26 園田2R 4着/10頭+2.1秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 58走で勝率 2% (苦戦) ▽ 距離適性同距離は 55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) -66% (大幅な期待値マイナス) AI 予想勝率 0.5% (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	ラスアルハイマ	田野豊（兵庫）	実3.8	○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%／147日ぶりの実戦）
前5走 01/08 園田8R 4着/10頭+0.5秒 12/16 園田3R 2着/10頭+0.2秒 11/25 園田6R 6着/12頭+1.7秒 11/05 園田2R 1着/10頭勝利 06/11 園田8R 4着/10頭+1.6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 11走で勝率 18% (相性良) ◎ 距離適性同距離 8走で勝率 25% ○ 騎手近50戦勝率 14% △ ローテーション 147日休養明け △ 期待値 (オッズ vs AI勝率) -19% (オッズ過剰評価) AI 予想勝率 21.3% (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。
8	ユーアーマイソウル	佐々世（兵庫）	実48.6	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場37走で勝率3%と苦戦傾向／同距離帯は38走で勝ち無し／前走2着）
前5走 05/20 園田1R 2着/7頭 04/29 園田4R 9着/10頭+1.7秒 04/14 園田1R 6着/10頭+1.7秒 03/26 園田3R 10着/10頭+3.0秒 01/14 園田3R 7着/12頭+1.2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 37走で勝率 3% (苦戦) ▽ 距離適性同距離は 38走で勝ち無し ○ 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) +4% (市場と概ね一致) AI 予想勝率 2.1% (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。
9	サンエルサ	小谷哲（兵庫）	実12.3	▲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38走で勝ち無し／前走3着）
前5走 05/20 園田2R 3着/10頭 05/04 園田6R 3着/6頭+1.2秒 01/07 園田7R 7着/10頭+1.0秒 12/23 園田7R 7着/10頭+1.9秒 12/04 園田7R 6着/10頭+1.8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 41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) ○ 前走実績前走 3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) -41% (大幅な期待値マイナス) AI 予想勝率 4.8% (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。
10	ナムラダニー	下原理（兵庫）	実13.8	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（当競馬場7走で勝率0%と苦戦傾向／同距離帯は7走で勝ち無し）
前5走 05/20 園田7R 8着/10頭+0.0秒 04/29 園田5R 5着/10頭+1.7秒 04/09 園田6R 3着/8頭+0.2秒 03/18 園田2R 3着/10頭+0.4秒 01/14 園田7R 2着/10頭+0.3秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 5.3着 × 当競馬場適性 7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 14% ○ 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) -42% (大幅な期待値マイナス) AI 予想勝率 4.2% (オッズ暗示: 7.2%) ※ 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 4-7 実6.8倍期待値 +121% 500円 🎯的中4番(1着)-7番(2着)3,850円
3連複 2-4-7 実10.4倍期待値 +176% 400円 ❌不的中2番(-)-4番(1着)-7番(2着)
3連単 4-7->2 実40.6倍期待値 +211% 100円 ❌不的中4番(1着)→7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

4R 園田競馬場ダート820m　発走 12:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヨシノマロンチャン	廣瀬航（兵庫）	実43.9	△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8.7着と低調）
前5走 05/15 園田1R 9着/11頭+1.8秒 04/23 園田5R 10着/12頭+3.4秒 04/01 園田2R 7着/10頭+2.8秒 01/03 園田2R 8着/10頭+4.0秒 12/25 園田3R 9着/10頭+3.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 8.7着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ 騎手近50戦勝率 14% ○ ローテーション 20日の間隔 (理想的) ◎ 期待値 (オッズ vs AI勝率) +45% (妙味あり) AI 予想勝率 3.3% (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。
2	ヘルタースケルター	井上幹（兵庫）	実28.6	▲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）
前5走 05/07 園田4R 4着/12頭+1.1秒 04/23 園田5R 11着/12頭+3.5秒 04/01 園田3R 3着/10頭+1.9秒 01/15 園田2R 6着/11頭+1.2秒 12/29 園田5R 9着/12頭+2.3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 6走で勝率 0% (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) +72% (市場が大幅過小評価) AI 予想勝率 6.0% (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	リアルスティンガー	高橋洸（兵庫）	実110.2	▽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／161日ぶりの実戦）
前5走 12/25 園田4R 11着/11頭+3.7秒 12/03 園田4R 8着/12頭+2.3秒 10/02 園田3R 3着/7頭+0.2秒 ― ―
AI 評価の内訳 — 馬番 3 × 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) △ 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 161日休養明け 🌟◎ 期待値 (オッズ vs AI勝率) +87% (市場が大幅過小評価) AI 予想勝率 1.7% (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	ララヴァニーユ	小谷哲（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5走で勝率0%と苦戦傾向／同距離帯は3走で勝ち無し／前走2着）
前5走 05/07 園田4R 2着/12頭+0.6秒 04/07 園田4R 3着/10頭+0.3秒 03/18 園田4R 6着/12頭+2.3秒 08/29 園田5R 5着/9頭+1.8秒 08/06 園田6R 3着/9頭+0.5秒
AI 評価の内訳 — 馬番 4 △ 直近3戦の調子平均 3.7着 × 当競馬場適性 5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 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) -27% (オッズ過剰評価) AI 予想勝率 36.4% (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。
5	サフラナール	土方颯（兵庫）	実4.5	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均8.3着と低調）
前5走 05/04 園田4R 10着/10頭+2.7秒 04/22 園田10R 11着/12頭+1.5秒 04/02 園田4R 4着/12頭+0.7秒 01/03 園田2R 10着/10頭+4.5秒 12/16 園田9R 11着/11頭+5.0秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 9走で勝率 11% ○ 距離適性同距離 5走で勝率 20% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 10着 (大敗) △ 期待値 (オッズ vs AI勝率) -15% (オッズ過剰評価) AI 予想勝率 19.0% (オッズ暗示: 22.2%) ※ 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	マイティスカイ	田野豊（兵庫）	実40.4	▽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）
前5走 05/14 園田3R 5着/8頭+1.0秒 04/22 園田10R 9着/12頭+0.9秒 04/09 園田7R 8着/8頭+2.4秒 03/24 園田5R 11着/11頭+4.5秒 01/02 園田3R 8着/12頭+0.8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 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 14% ○ 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) -28% (オッズ過剰評価) AI 予想勝率 1.8% (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。
7	ニューアスラーダ	佐々世（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8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 05/20 園田4R 8着/12頭 01/02 園田2R 4着/12頭+1.0秒 12/25 園田4R 8着/11頭+1.9秒 12/04 園田4R 7着/12頭+1.4秒 11/18 園田4R 11着/12頭+3.1秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 × 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 ○ 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) +2% (市場と概ね一致) 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。
8	ナンチャッテセレブ	渡瀬和（兵庫）	実32.1	△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 05/05 園田4R 4着/12頭+1.9秒 04/15 園田5R 10着/12頭+1.5秒 04/02 園田4R 10着/12頭+1.9秒 03/19 園田4R 5着/12頭+0.8秒 01/07 園田9R 7着/9頭+2.9秒
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 8.0着 (不振) △ 当競馬場適性 11走で勝率 9% ○ 距離適性同距離 6走で勝率 17% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 期待値 (オッズ vs AI勝率) +46% (妙味あり) AI 予想勝率 4.6% (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。
9	バチェラーボーイ	川原正（兵庫）	実53.9	△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 05/06 園田6R 8着/8頭+7.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 9 × 直近3戦の調子平均 8.0着 (不振) 🌟◎ 期待値 (オッズ vs AI勝率) +55% (市場が大幅過小評価) AI 予想勝率 2.9% (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。
10	カルムスイート	山本太（兵庫）	実191.6	▽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3走で勝ち無し）
前5走 05/14 園田3R 8着/8頭+2.5秒 01/02 園田2R 10着/12頭+2.7秒 12/11 園田3R 5着/6頭+1.3秒 ― ―
AI 評価の内訳 — 馬番 10 × 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 ○ 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) +218% (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。
11	スカイライズ	竹村達（兵庫）	実8.2	▲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 05/14 園田3R 3着/8頭+0.6秒 05/07 園田4R 8着/12頭+1.8秒 04/22 園田4R 5着/12頭+2.0秒 04/07 園田3R 9着/10頭+3.2秒 03/24 園田2R 7着/11頭+2.2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 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) ○ 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) -37% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 12.2%) ※ 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。
12	ミッドナイトフライ	下原理（兵庫）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場7走で勝率0%と苦戦傾向／前走2着）
前5走 05/14 園田3R 2着/8頭+0.5秒 04/28 園田3R 5着/9頭+1.6秒 04/07 園田3R 5着/10頭+2.0秒 03/24 園田2R 4着/11頭+1.0秒 01/15 園田2R 9着/11頭+1.9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 7走で勝率 0% (苦戦) ○ 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 21日の間隔 (理想的) × 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 12.4% (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。

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 12:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	シゲルノヴァ	土方颯（兵庫）	実301.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.3着と低調）
前5走 05/20 園田12R 11着/12頭+2.0秒 07/09 名古屋12R 8着/12頭+1.4秒 06/24 名古屋11R 12着/12頭+4.7秒 06/13 名古屋12R 10着/12頭+1.2秒 06/03 名古屋12R 9着/12頭+1.9秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 10.3着 (不振) △ 距離適性同距離 27走で勝率 15% △ 騎手近50戦勝率 2% (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) +111% (市場が大幅過小評価) AI 予想勝率 0.7% (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。
2	エイシンカルナボン	吉村智（兵庫）	実4.0	○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 05/13 園田12R 5着/10頭+1.1秒 04/22 園田6R 1着/12頭勝利 03/31 園田8R 1着/10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 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 40% (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) -47% (大幅な期待値マイナス) AI 予想勝率 13.3% (オッズ暗示: 25.0%) ※ 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	レイヤー	川原正（兵庫）	実79.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/21 園田8R 6着/7頭 05/07 園田8R 4着/9頭+1.6秒 04/22 園田9R 4着/9頭+0.7秒 04/07 園田9R 6着/9頭+1.5秒 03/26 園田5R 7着/11頭+1.3秒
AI 評価の内訳 — 馬番 3 △ 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 5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) +77% (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。
4	カワキタホクレア	保園翔（浦和）	実3.9	○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／同距離帯4走で勝率50%／直近3走で勝率33%と好調）
前5走 05/15 園田9R 1着/10頭勝利 12/23 園田10R 2着/9頭+0.2秒 12/09 園田11R 3着/12頭+0.5秒 11/19 園田12R 8着/12頭+1.7秒 10/30 園田7R 1着/9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 5走で勝率 40% (得意) ◎ 距離適性同距離 4走で勝率 50% △ 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 20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 16.7% (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。
5	ロードシャマール	杉浦健（兵庫）	実125.5	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/13 園田12R 6着/10頭+1.6秒 04/23 園田10R 6着/11頭+1.4秒 03/31 園田12R 10着/12頭+3.2秒 01/02 園田9R 2着/12頭+0.2秒 12/10 園田8R 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 7.3着 (不振) ○ 当競馬場適性 20走で勝率 20% (相性良) ○ 距離適性同距離 19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 22日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +61% (市場が大幅過小評価) AI 予想勝率 1.3% (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。
6	マツリダマスラオ	廣瀬航（兵庫）	実15.2	▲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 6 ○ 騎手近50戦勝率 14% ◎ 期待値 (オッズ vs AI勝率) +32% (妙味あり) AI 予想勝率 8.7% (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。
7	アカオー	松木大（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7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12R 6着/11頭+1.4秒 04/22 園田9R 3着/9頭+0.7秒 04/07 園田9R 4着/9頭+0.7秒 01/02 園田9R 9着/12頭+1.5秒 12/09 園田9R 2着/10頭+1.3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 7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 20日の間隔 (理想的) × 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 6.1% ※ 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	メイショウライメイ	南部楓（兵庫）	実54.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/13 園田12R 7着/10頭+1.7秒 04/23 名古屋8R 7着/12頭+2.7秒 04/10 名古屋8R 3着/11頭+0.3秒 03/23 名古屋8R 10着/12頭+1.6秒 03/10 名古屋12R 8着/11頭+2.0秒
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 5.7着 ○ 距離適性同距離 22走で勝率 18% ○ 馬場適性同馬場 5走で勝率 20% ○ 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) +65% (市場が大幅過小評価) AI 予想勝率 3.0% (オッズ暗示: 1.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ジェットエアー	塩津璃（兵庫）	実28.2	△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／前走3着）
前5走 05/20 園田8R 3着/6頭+2.0秒 05/04 園田2R 1着/7頭勝利 04/02 園田5R 3着/10頭+1.0秒 01/07 園田5R 5着/12頭+0.9秒 12/24 園田7R 10着/10頭+4.5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 5走で勝率 20% ○ 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 15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 4.3% (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。
10	ハングタイム	竹村達（兵庫）	実14.9	△詳細▼	中穴ゾーン、推奨優位馬と比較し劣後
前5走 05/15 園田12R 5着/11頭+1.4秒 04/23 園田10R 3着/11頭+0.7秒 03/31 園田12R 3着/12頭+1.7秒 03/18 園田7R 1着/10頭勝利 01/08 園田12R 9着/12頭+1.4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 36走で勝率 14% △ 距離適性同距離 35走で勝率 14% △ 騎手近50戦勝率 2% (やや苦戦) ○ ローテーション 20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 2.7% (オッズ暗示: 6.7%) ※ 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	アズユーライク	下原理（兵庫）	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）
前5走 05/14 園田7R 1着/10頭勝利 ― ― ― ―
AI 評価の内訳 — 馬番 11 ◎ 直近3戦の調子勝率 100% (絶好調) ○ 騎手近50戦勝率 14% ◎ 前走実績前走 1着 (勢い継続) ○ 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) -28% (オッズ過剰評価) AI 予想勝率 39.8% (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。
12	レゴリス	笹田知（兵庫）	実157.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均10.0着と低調）
前5走 05/13 園田12R 10着/10頭+2.3秒 ― ― ― ―
AI 評価の内訳 — 馬番 12 × 直近3戦の調子平均 10.0着 (不振) ○ 騎手近50戦勝率 16% ▽ 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) +91% (市場が大幅過小評価) AI 予想勝率 1.2% (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。

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 園田競馬場ダート1400m　発走 13:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	マットーネロッソ	小牧太（兵庫）	実7.6	○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／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 05/07 園田7R 3着/9頭+0.6秒 04/22 園田5R 2着/11頭+0.3秒 04/08 園田6R 4着/10頭+0.9秒 03/18 園田7R 5着/10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) × 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 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) -29% (オッズ過剰評価) AI 予想勝率 9.4% (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。
2	プレシャスストーン	佐々世（兵庫）	実28.8	△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3着）
前5走 05/14 園田6R 3着/9頭+0.7秒 04/30 園田2R 1着/9頭勝利 04/08 園田2R 3着/9頭+0.8秒 03/24 園田3R 3着/10頭+0.9秒 01/02 園田4R 6着/12頭+1.5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 41走で勝率 7% △ 距離適性同距離 33走で勝率 6% ○ 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) -37% (大幅な期待値マイナス) AI 予想勝率 2.2% (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	イヤーズストレイト	高畑皓（兵庫）	実289.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場58走で勝率3%と苦戦傾向／同距離帯は57走で勝ち無し）
前5走 05/14 園田4R 8着/10頭+2.0秒 04/28 園田6R 6着/10頭+1.8秒 04/14 園田7R 7着/10頭+2.0秒 03/31 園田8R 8着/10頭+2.5秒 03/17 園田6R 4着/10頭+1.8秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 58走で勝率 3% (苦戦) ▽ 距離適性同距離は 57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 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 0.7% (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	ワンダーキュイラス	笹田知（兵庫）	実10.8	▲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）
前5走 05/15 園田6R 1着/9頭勝利 04/21 園田4R 5着/10頭+0.9秒 04/02 園田7R 2着/9頭+0.5秒 03/19 園田3R 2着/9頭+0.1秒 12/29 園田8R 5着/8頭+2.3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 10走で勝率 10% △ 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 20日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -17% (オッズ過剰評価) AI 予想勝率 7.7% (オッズ暗示: 9.3%) ※ 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	ホウオウマリアン	新庄海（兵庫）	実256.3	▽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 🌟◎ 期待値 (オッズ vs AI勝率) +316% (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。
6	リンガスウォリアー	土方颯（兵庫）	実97.8	△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9走で勝ち無し／直近3走平均9.0着と低調）
前5走 03/19 園田9R 7着/9頭+2.1秒 01/07 園田12R 8着/10頭+1.0秒 12/25 園田9R 12着/12頭+2.8秒 12/03 園田9R 3着/12頭+0.3秒 11/13 園田12R 9着/11頭+2.6秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.0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 9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) +286% (市場が大幅過小評価) AI 予想勝率 3.9% (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。
7	ヌーヴォルミエール	山本太（兵庫）	実67.7	△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8走で勝ち無し）
前5走 05/14 園田7R 6着/10頭+1.4秒 04/28 園田6R 3着/10頭+0.6秒 04/14 園田7R 9着/10頭+2.3秒 04/02 園田5R 7着/10頭+2.0秒 03/17 園田7R 8着/10頭+2.7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 8走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ 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) +71% (市場が大幅過小評価) AI 予想勝率 2.5% (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。
8	ミヤグリフォン	下原理（兵庫）	実3.3	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走平均3.0着と安定／前走3着／281日ぶりの実戦）
前5走 08/27 船橋4R 3着/12頭+0.4秒 ― ― ― ―
AI 評価の内訳 — 馬番 8 ○ 直近3戦の調子平均 3.0着 (安定) ○ 騎手近50戦勝率 14% ○ 前走実績前走 3着 (好走) △ ローテーション 281日休養明け △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 22.7% (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。
9	エポエポサン	吉村智（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4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 04/29 園田5R 1着/10頭勝利 04/08 園田5R 2着/12頭+0.4秒 12/02 園田9R 3着/8頭+1.2秒 11/06 園田5R 2着/12頭+0.3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 4走で勝率 25% (得意) ◎ 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) -34% (大幅な期待値マイナス) AI 予想勝率 43.7% (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。
10	ハッピーモンスター	小谷周（兵庫）	実38.2	▲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 05/14 園田2R 1着/9頭勝利 04/21 園田4R 4着/10頭+0.7秒 04/01 園田6R 7着/10頭+1.4秒 10/02 園田9R 2着/10頭+0.4秒 09/11 園田6R 1着/9頭勝利
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 16走で勝率 25% (得意) ○ 距離適性同距離 14走で勝率 21% ◎ 前走実績前走 1着 (勢い継続) ○ 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) +109% (市場が大幅過小評価) AI 予想勝率 5.5% (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 2 プレシャスストーン実28.8倍期待値 +129% 推奨 16.3〜30.0倍 100円 ❌不的中7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

7R 園田競馬場ダート1400m　発走 13:40

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ララヴァンダンジュ	松木大（兵庫）	実284.6	▽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7走で勝ち無し）
前5走 05/07 園田7R 5着/9頭+1.8秒 04/08 園田6R 8着/10頭+2.8秒 03/19 園田9R 9着/9頭+2.4秒 01/14 園田7R 8着/10頭+0.9秒 12/24 園田4R 3着/10頭+2.0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 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 7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) +198% (市場が大幅過小評価) AI 予想勝率 1.0% (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。
2	キュールエスグリ	廣瀬航（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 05/14 園田7R 5着/10頭+0.9秒 04/21 園田3R 3着/9頭+0.2秒 03/25 園田8R 2着/10頭+0.4秒 10/29 園田12R 8着/12頭+2.0秒 10/10 園田10R 3着/9頭+0.7秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 3.3着 △ 当競馬場適性 21走で勝率 10% △ 距離適性同距離 20走で勝率 10% ○ 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) +11% (市場と概ね一致) AI 予想勝率 3.2% (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	キクノクライフ	川原正（兵庫）	実18.2	▲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 05/14 園田7R 3着/10頭+0.3秒 04/22 園田6R 5着/12頭+0.9秒 03/31 園田5R 5着/11頭+0.9秒 01/14 園田12R 10着/12頭+1.3秒 12/29 園田10R 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 4.3着 △ 当競馬場適性 28走で勝率 11% △ 距離適性同距離 27走で勝率 11% ○ 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) -18% (オッズ過剰評価) AI 予想勝率 4.5% (オッズ暗示: 5.5%) ※ 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	デイムサンライズ	佐々世（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9走で勝率56%と適性高／同距離帯9走で勝率56%／直近3走で勝率67%と好調）
前5走 04/29 園田2R 1着/7頭勝利 04/08 園田3R 1着/10頭勝利 11/19 園田9R 2着/10頭+0.3秒 10/30 園田6R 1着/9頭勝利 10/10 園田6R 1着/10頭勝利
AI 評価の内訳 — 馬番 4 ◎ 直近3戦の調子勝率 67% (絶好調) ◎ 当競馬場適性 9走で勝率 56% (得意) ◎ 距離適性同距離 9走で勝率 56% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) -26% (オッズ過剰評価) AI 予想勝率 37.0% (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。
5	トーラスキング	新庄海（兵庫）	実196.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%／140日ぶりの実戦）
前5走 01/15 園田9R 7着/8頭+1.6秒 12/18 園田9R 5着/12頭+1.4秒 11/20 園田9R 9着/9頭+2.8秒 10/28 園田7R 1着/9頭勝利 10/08 園田7R 6着/10頭+1.8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 5走で勝率 20% (相性良) ◎ 距離適性同距離 3走で勝率 33% △ ローテーション 140日休養明け 🌟◎ 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 1.0% (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	ノリウッドテール	山本咲（兵庫）	実11.2	▲詳細▼	中穴ゾーン、推奨優位馬と比較し劣後（直近3走平均2.3着と安定／前走2着）
前5走 05/20 園田6R 2着/12頭 05/05 園田7R 3着/10頭+0.3秒 04/28 園田6R 2着/10頭+0.0秒 04/16 園田6R 3着/8頭+0.4秒 04/01 園田6R 1着/10頭勝利
AI 評価の内訳 — 馬番 6 ○ 直近3戦の調子平均 2.3着 (安定) ○ 当競馬場適性 20走で勝率 20% (相性良) ○ 距離適性同距離 20走で勝率 20% ○ 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 15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 5.6% (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。
7	エロイムエッサイム	杉浦健（兵庫）	実161.8	△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 05/14 園田5R 9着/10頭+3.5秒 04/21 園田12R 10着/10頭+1.0秒 04/08 園田12R 8着/12頭+1.5秒 03/18 園田12R 12着/12頭+2.8秒 01/14 園田6R 1着/12頭勝利
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 9.0着 (不振) △ 当競馬場適性 28走で勝率 14% △ 距離適性同距離 13走で勝率 8% ○ 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) +195% (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。
8	アースグレーザー	笹田知（兵庫）	実2.0	○詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯4走で勝率25%／前走2着）
前5走 05/14 園田7R 2着/10頭+0.1秒 01/14 園田12R 8着/12頭+1.1秒 12/23 園田9R 3着/9頭+0.5秒 12/04 園田12R 3着/12頭+0.2秒 11/12 園田8R 1着/10頭勝利
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 5走で勝率 20% (相性良) ◎ 距離適性同距離 4走で勝率 25% ○ 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 21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 29.8% (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。
9	オースミストロング	山本太（兵庫）	実32.7	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/15 園田9R 8着/10頭+1.5秒 04/23 園田7R 6着/12頭+0.9秒 04/08 園田6R 3着/10頭+0.5秒 03/25 園田8R 5着/10頭+0.7秒 11/26 園田7R 6着/8頭+1.6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 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 20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 3.6% (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。
10	レディーペガサス推奨	田野豊（兵庫）	実16.8	○詳細▼	市場が大きく過小評価、AI予想勝率13% × オッズ16.8倍で期待値+110%の有力候補（直近3走平均3.0着と安定／当競馬場で勝率15%と相性良／同距離帯で勝率15%）
前5走 05/15 園田9R 2着/10頭+0.5秒 04/21 園田2R 2着/9頭+0.7秒 04/07 園田8R 5着/9頭+2.7秒 03/25 園田8R 8着/10頭+1.3秒 01/14 園田8R 9着/10頭+1.0秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 3.0着 (安定) ○ 当競馬場適性 39走で勝率 15% (相性良) ○ 距離適性同距離 20走で勝率 15% ○ 馬場適性同馬場 15走で勝率 27% ○ 前走実績前走 2着 (好走) ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +110% (市場が大幅過小評価) AI 予想勝率 12.5% (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。

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 レディーペガサス実16.8倍期待値 +110% 推奨 10.4〜27.2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

8R 園田競馬場ダート1700m　発走 14:10

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	サンウイング	杉浦健（兵庫）	実38.0	▲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 05/13 園田8R 1着/4頭勝利 04/23 園田2R 2着/10頭+0.0秒 04/08 園田5R 4着/12頭+0.9秒 03/25 園田2R 6着/10頭+1.1秒 01/03 園田6R 6着/12頭+1.5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 7走で勝率 14% △ 距離適性同距離 7走で勝率 14% ◎ 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) +188% (市場が大幅過小評価) AI 予想勝率 7.6% (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。
2	タガノディオーサ	笹田知（兵庫）	実1.1	×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（当競馬場8走で勝率50%と適性高／同距離帯6走で勝率50%／直近3走で勝率67%と好調）
前5走 05/20 園田8R 2着/6頭 01/13 園田9R 1着/12頭勝利 09/26 園田7R 1着/7頭勝利 08/29 園田10R 2着/12頭+0.1秒 06/05 園田12R 3着/11頭+0.2秒
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 8走で勝率 50% (得意) ◎ 距離適性同距離 6走で勝率 50% ○ 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 15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 36.7% (オッズ暗示: 90.9%) ※ 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	アルザード	佐々世（兵庫）	実90.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場26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 05/15 園田7R 9着/10頭+2.6秒 04/21 園田9R 6着/7頭+3.3秒 04/09 園田9R 8着/8頭+2.5秒 03/26 園田9R 7着/9頭+1.9秒 01/07 園田1R 2着/10頭+0.0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 26走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し ○ ローテーション 20日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +117% (市場が大幅過小評価) AI 予想勝率 2.4% (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。
4	メイショウロールス	長尾翼（兵庫）	実176.9	▽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2%と苦戦傾向／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1R 1着/7頭 05/06 園田2R 4着/10頭+1.2秒 04/22 園田2R 4着/8頭+1.0秒 04/09 園田1R 3着/8頭+1.4秒 03/25 園田1R 9着/9頭+1.6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 57走で勝率 2% (苦戦) △ 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) +119% (市場が大幅過小評価) AI 予想勝率 1.2% (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	ザタイムズ推奨	新庄海（兵庫）	実11.5	○詳細▼	AI予想勝率と市場想定の乖離が大きく、期待値+84%の中穴候補（直近3走勝率33%と上り調子／当競馬場4走で勝率25%と適性高／前走2着で力を示す）
前5走 05/04 園田8R 2着/5頭+0.3秒 04/08 園田5R 1着/12頭勝利 12/16 園田4R 10着/10頭+2.7秒 11/25 園田8R 10着/12頭+3.9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) △ 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) +84% (市場が大幅過小評価) AI 予想勝率 16.0% (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。
6	エムザックドリーム	塩津璃（兵庫）	実50.9	△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9.3着と低調）
前5走 05/22 園田7R 7着/8頭 05/04 園田12R 10着/11頭+1.9秒 04/28 園田9R 11着/12頭+2.5秒 04/16 園田12R 12着/12頭+3.8秒 04/02 園田9R 11着/12頭+3.7秒
AI 評価の内訳 — 馬番 6 × 直近3戦の調子平均 9.3着 (不振) × 当競馬場適性 5走で勝率 0% (苦戦) ○ 騎手近50戦勝率 16% 🌟◎ 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 4.4% (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。
7	フークタオユエン	下原理（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 05/20 園田6R 7着/12頭+0.0秒 05/05 園田7R 8着/10頭+2.1秒 04/21 園田3R 5着/9頭+0.8秒 04/08 園田6R 5着/10頭+1.2秒 11/20 園田9R 6着/9頭+1.5秒
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 6.7着 × 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 ○ 騎手近50戦勝率 14% ○ 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) +239% (市場が大幅過小評価) AI 予想勝率 8.1% (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。
8	ウィステリアダディ	竹村達（兵庫）	実214.6	▽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 9着/11頭+0.0秒 05/04 園田2R 6着/7頭+2.1秒 04/16 園田8R 7着/8頭+1.8秒 03/26 園田8R 9着/10頭+2.8秒 01/07 園田2R 1着/10頭勝利
AI 評価の内訳 — 馬番 8 × 直近3戦の調子平均 7.3着 (不振) △ 当競馬場適性 46走で勝率 9% △ 騎手近50戦勝率 2% (やや苦戦) 🌟◎ 期待値 (オッズ vs AI勝率) +202% (市場が大幅過小評価) AI 予想勝率 1.4% (オッズ暗示: 0.5%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	ゴールデンロンドン	南部楓（兵庫）	実44.2	△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3%と苦戦傾向／同距離帯は10走で勝ち無し）
前5走 05/20 園田8R 4着/6頭+5.0秒 05/04 園田8R 3着/5頭+0.4秒 04/28 園田7R 6着/10頭+2.7秒 03/31 園田8R 2着/10頭+0.6秒 03/18 園田7R 6着/10頭+1.2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 34走で勝率 3% (苦戦) ▽ 距離適性同距離は 10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) +199% (市場が大幅過小評価) AI 予想勝率 6.8% (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。
10	パフオブウインド	吉村智（兵庫）	実4.8	○詳細▼	AI上位評価だが期待値不足、見送り（当競馬場24走で勝率25%と適性高／同距離帯7走で勝率29%／直近3走で勝率67%と好調）
前5走 05/14 園田4R 1着/10頭勝利 04/29 園田2R 2着/7頭+0.9秒 04/08 園田2R 1着/9頭勝利 03/24 園田4R 6着/10頭+1.4秒 08/28 園田7R 4着/10頭+2.0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 24走で勝率 25% (得意) ◎ 距離適性同距離 7走で勝率 29% ◎ 騎手近50戦勝率 42% (好調) ◎ 前走実績前走 1着 (勢い継続) ○ 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) -27% (オッズ過剰評価) AI 予想勝率 15.3% (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。

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 ザタイムズ確定10.7倍期待値 +84% 推奨 8.1〜16.3倍 200円 🎯的中1着2,140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

9R 園田競馬場ダート1400m　発走 14:45

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ヴァラール	土方颯（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9走で勝率44%と適性高／同距離帯6走で勝率67%／直近3走で勝率67%と好調）
前5走 12/31 園田7R 1着/9頭勝利 09/11 園田11R 3着/7頭+0.1秒 08/13 園田9R 1着/10頭勝利 07/23 園田12R 1着/10頭勝利 06/25 園田10R 1着/12頭勝利
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 9走で勝率 44% (得意) ◎ 距離適性同距離 6走で勝率 67% △ 騎手近50戦勝率 4% (やや苦戦) ◎ 前走実績前走 1着 (勢い継続) △ ローテーション 155日休養明け × 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 35.6% (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	テイケイモハラ	新庄海（兵庫）	実36.1	▽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10走で勝ち無し／前走3着）
前5走 05/13 園田12R 3着/10頭+1.0秒 04/29 園田12R 5着/12頭+0.7秒 04/14 園田12R 6着/12頭+2.1秒 03/26 園田12R 6着/12頭+1.4秒 10/03 園田10R 4着/10頭+0.6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 13走で勝率 0% (苦戦) ▽ 距離適性同距離は 10走で勝ち無し ○ 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) -26% (オッズ過剰評価) AI 予想勝率 2.1% (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	フラムブランシュ	松木大（兵庫）	実232.0	▽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7走で勝ち無し／直近3走平均10.7着と低調）
前5走 05/04 園田10R 9着/9頭+6.2秒 04/22 園田12R 11着/11頭+4.1秒 04/02 園田12R 12着/12頭+2.6秒 01/13 園田10R 8着/8頭+3.2秒 12/18 園田11R 12着/12頭+4.5秒
AI 評価の内訳 — 馬番 3 × 直近3戦の調子平均 10.7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 7走で勝ち無し 🌟◎ 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 0.8% (オッズ暗示: 0.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	モンサンオブライト	川原正（兵庫）	実6.7	○詳細▼	AI上位評価だが期待値不足、見送り（同距離帯7走で勝率29%／直近3走で勝率33%と好調／前走2着）
前5走 05/13 園田12R 2着/10頭+0.8秒 04/23 園田10R 11着/11頭+2.3秒 01/15 園田7R 1着/10頭勝利 09/25 園田12R 7着/12頭+1.2秒 09/10 園田8R 5着/9頭+0.4秒
AI 評価の内訳 — 馬番 4 ○ 直近3戦の調子勝率 33% (上り調子) ○ 当競馬場適性 13走で勝率 15% (相性良) ◎ 距離適性同距離 7走で勝率 29% ○ 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) +12% (市場と概ね一致) AI 予想勝率 16.8% (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	ディスクリプション	佐々世（兵庫）	実146.9	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は15走で勝ち無し／直近3走平均11.0着と低調）
前5走 05/20 園田12R 12着/12頭+0.0秒 01/08 園田10R 11着/12頭+4.0秒 12/16 川崎9R 10着/12頭+3.2秒 11/18 川崎7R 5着/12頭+1.4秒 10/14 川崎9R 10着/12頭+1.1秒
AI 評価の内訳 — 馬番 5 × 直近3戦の調子平均 11.0着 (不振) ▽ 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 15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 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。
6	スナークドリアン	大山真（兵庫）	実84.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（当競馬場20走で勝率25%と適性高／同距離帯18走で勝率28%／同馬場状態で勝率40%）
前5走 05/15 園田12R 10着/11頭+2.1秒 04/29 園田12R 4着/12頭+0.6秒 04/01 園田10R 5着/9頭+0.6秒 09/10 園田11R 6着/12頭+0.6秒 08/13 園田11R 7着/12頭+1.7秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 ◎ 当競馬場適性 20走で勝率 25% (得意) ◎ 距離適性同距離 18走で勝率 28% ◎ 馬場適性同馬場 5走で勝率 40% ▽ 前走実績前走 10着 (大敗) ○ ローテーション 20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 1.3% (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。
7	ミナックシアター	田野豊（兵庫）	実31.9	△詳細▼	大穴、AI予想勝率低く長期回収困難（直近3走平均8.3着と低調）
前5走 05/05 園田12R 11着/11頭+3.5秒 12/31 園田10R 7着/12頭+2.1秒 12/03 園田10R 7着/12頭+1.1秒 11/11 園田11R 4着/12頭+1.1秒 10/01 園田11R 3着/10頭+0.2秒
AI 評価の内訳 — 馬番 7 × 直近3戦の調子平均 8.3着 (不振) △ 当競馬場適性 29走で勝率 7% △ 距離適性同距離 18走で勝率 6% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 3.0% (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。
8	ファンシンレディー	下原理（兵庫）	実23.4	▲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%／前走2着）
前5走 05/22 園田10R 2着/11頭 05/05 園田12R 6着/11頭+0.9秒 04/08 園田12R 4着/12頭+0.8秒 12/04 園田10R 4着/8頭+0.5秒 11/12 園田10R 1着/8頭勝利
AI 評価の内訳 — 馬番 8 △ 直近3戦の調子平均 4.0着 ○ 当競馬場適性 24走で勝率 21% (相性良) ○ 距離適性同距離 20走で勝率 15% ◎ 馬場適性同馬場 8走で勝率 38% ○ 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) +46% (妙味あり) AI 予想勝率 6.3% (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。
9	ルクスエクレール	杉浦健（兵庫）	実17.0	▲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）
前5走 05/21 園田8R 4着/7頭 05/06 園田9R 3着/6頭+1.6秒 01/07 園田11R 4着/10頭+1.1秒 12/31 園田12R 3着/11頭+1.9秒 12/09 園田7R 5着/7頭+1.0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 5走で勝率 0% (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) +39% (妙味あり) AI 予想勝率 8.2% (オッズ暗示: 5.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
10	アンノドミニ	小牧太（兵庫）	実5.2	○詳細▼	AI上位評価だが期待値不足、見送り（前走2着／騎手は近50戦で勝率30%）
前5走 05/15 園田12R 2着/11頭+0.9秒 04/15 園田10R 4着/10頭+0.5秒 03/26 園田12R 4着/12頭+0.7秒 12/31 園田9R 2着/9頭+0.3秒 12/11 園田12R 3着/12頭+0.9秒
AI 評価の内訳 — 馬番 10 △ 直近3戦の調子平均 3.3着 △ 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 30% (好調) ○ 前走実績前走 2着 (好走) ○ ローテーション 20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 16.4% (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。
11	サンライズスコール	吉村智（兵庫）	実37.5	△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13走で勝ち無し／騎手は近50戦で勝率42%）
前5走 05/06 園田9R 4着/6頭+2.1秒 04/15 園田10R 6着/10頭+0.7秒 03/31 園田12R 6着/12頭+1.9秒 11/19 園田10R 8着/12頭+1.1秒 10/28 園田11R 6着/12頭+0.7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 17走で勝率 0% (苦戦) ▽ 距離適性同距離は 13走で勝ち無し ◎ 騎手近50戦勝率 42% (好調) △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 3.4% (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。
12	ブリリアドロ	塩津璃（兵庫）	実24.8	△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50%）
前5走 05/22 園田10R 11着/11頭+4.0秒 05/04 園田12R 8着/11頭+1.5秒 04/16 園田12R 3着/12頭+1.1秒 04/02 園田9R 4着/12頭+1.8秒 03/19 園田12R 11着/12頭+2.8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 25走で勝率 20% (相性良) ○ 距離適性同距離 13走で勝率 15% ◎ 馬場適性同馬場 4走で勝率 50% ○ 騎手近50戦勝率 16% ▽ 前走実績前走 11着 (大敗) △ 期待値 (オッズ vs AI勝率) +26% (市場と概ね一致) AI 予想勝率 5.1% (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 (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 9 ルクスエクレール実17.0倍期待値 +130% 推奨 9.6〜30.0倍 200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

10R 園田競馬場ダート1400m　発走 15:20

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	モカプウイング推奨	小牧太（兵庫）	実13.3	○詳細▼	市場が大きく過小評価、AI予想勝率21% × オッズ13.3倍で期待値+172%の有力候補（騎手は近50戦勝率30%と好調）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 騎手近50戦勝率 30% (好調) 🌟◎ 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 20.5% (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。
2	ガミラスラバウル	新庄海（兵庫）	実138.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%）
前5走 05/14 園田11R 7着/12頭+1.6秒 04/08 園田10R 7着/8頭+2.5秒 03/18 園田9R 6着/8頭+0.9秒 01/03 園田2R 1着/10頭勝利 12/16 園田9R 7着/11頭+3.2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 6走で勝率 17% (相性良) ◎ 距離適性同距離 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) +25% (市場と概ね一致) AI 予想勝率 0.9% (オッズ暗示: 0.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ハイビッグゴールド	柴田裕（JRA）	実17.9	△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33%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 3 ◎ 騎手近50戦勝率 33% (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 5.8% (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。
4	ワカワカ	森田誠（JRA）	実33.5	△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 4 ◎ 期待値 (オッズ vs AI勝率) +33% (妙味あり) AI 予想勝率 4.0% (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。
5	トゥレネヴェリテ	田野豊（兵庫）	実17.3	▲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) +23% (市場と概ね一致) AI 予想勝率 7.2% (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。
6	スカイノハル	廣瀬航（兵庫）	実15.6	○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67%と適性高／直近3走で勝率67%と好調）
前5走 05/05 園田11R 7着/12頭+3.0秒 04/09 園田11R 1着/12頭勝利 03/17 園田9R 1着/11頭勝利 ― ―
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 3走で勝率 67% (得意) 🌟◎ 期待値 (オッズ vs AI勝率) +85% (市場が大幅過小評価) AI 予想勝率 11.9% (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。
7	オーロヴェント	永井孝（兵庫）	実154.4	▽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25%と適性高）
前5走 05/13 園田11R 7着/12頭+2.2秒 04/29 園田8R 4着/8頭+1.0秒 04/14 園田9R 4着/11頭+1.3秒 03/31 園田10R 1着/9頭勝利 ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.0着 ◎ 当競馬場適性 4走で勝率 25% (得意) ○ 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) +83% (市場が大幅過小評価) AI 予想勝率 1.2% (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	セヴェンヌ	吉村智（兵庫）	実1.1	×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（騎手は近50戦で勝率42%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 8 ◎ 騎手近50戦勝率 42% (好調) × 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 33.2% (オッズ暗示: 90.9%) ※ 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	スズカローズキング	永島ま（JRA）	実13.9	▲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 ○ 騎手近50戦勝率 18% ◎ 期待値 (オッズ vs AI勝率) +44% (妙味あり) AI 予想勝率 10.4% (オッズ暗示: 7.2%) ※ 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	ママトモ	長尾翼（兵庫）	実53.7	▽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 10 △ 騎手近50戦勝率 2% (やや苦戦) △ 期待値 (オッズ vs AI勝率) -1% (オッズ過剰評価) AI 予想勝率 1.9% (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。
11	スターアイセーラ	佐々世（兵庫）	実47.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し）
前5走 05/06 園田11R 7着/11頭+2.9秒 04/14 園田10R 5着/12頭+1.2秒 04/02 園田11R 7着/8頭+3.8秒 01/15 園田8R 2着/9頭+0.2秒 12/31 園田11R 10着/12頭+2.2秒
AI 評価の内訳 — 馬番 11 △ 直近3戦の調子平均 6.3着 △ 当競馬場適性 17走で勝率 6% ▽ 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) +48% (妙味あり) AI 予想勝率 3.1% (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。

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 モカプウイング実13.3倍期待値 +172% 推奨 6.3〜27.9倍 300円 ❌不的中11着

B. 市場除外+キャリブ

単勝 1 モカプウイング実13.3倍期待値 +130% 推奨 7.5〜23.6倍 200円 ❌不的中11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 園田競馬場ダート1870m　発走 15:55

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ハイエストエンド	吉村智（兵庫）	実128.5	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯14走で勝率29%／騎手は近50戦で勝率42%）
前5走 05/07 園田10R 4着/8頭+1.7秒 02/17 大井11R 11着/15頭+2.2秒 01/22 船橋11R 7着/9頭+1.5秒 01/03 川崎11R 2着/11頭+1.9秒 12/16 川崎11R 9着/10頭+3.2秒
AI 評価の内訳 — 馬番 1 × 直近3戦の調子平均 7.3着 (不振) ◎ 距離適性同距離 14走で勝率 29% ◎ 騎手近50戦勝率 42% (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) +296% (市場が大幅過小評価) AI 予想勝率 3.1% (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	シンメデージー	吉原寛（金沢）	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（162日ぶりの実戦）
前5走 12/24 名古屋10R 5着/9頭+1.2秒 11/13 名古屋11R 2着/11頭+0.3秒 07/02 大井11R 9着/13頭+2.4秒 05/06 名古屋11R 2着/12頭+0.4秒 12/19 名古屋11R 3着/12頭+0.2秒
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 5.3着 ○ 騎手近50戦勝率 14% △ ローテーション 162日休養明け × 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 44.8% (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	ノットリグレット	保園翔（浦和）	実154.9	▽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 05/08 船橋11R 14着/14頭+4.6秒 02/04 川崎11R 9着/12頭+2.8秒 12/16 川崎11R 5着/10頭+2.6秒 11/13 名古屋11R 5着/11頭+2.1秒 10/02 園田11R 3着/6頭+0.4秒
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 9走で勝率 11% △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 14着 (大敗) ○ ローテーション 27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 1.2% (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	ミックファイア	下原理（兵庫）	実8.6	▲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4走で勝率25%／同馬場状態で勝率33%／直近3走平均8.0着と低調）
前5走 05/20 大井11R 11着/16頭+1.0秒 04/16 大井11R 6着/16頭+1.7秒 12/03 大井11R 7着/12頭+2.1秒 11/03 船橋11R 11着/13頭+5.8秒 07/02 大井11R 11着/13頭+2.9秒
AI 評価の内訳 — 馬番 4 × 直近3戦の調子平均 8.0着 (不振) ◎ 距離適性同距離 4走で勝率 25% ◎ 馬場適性同馬場 3走で勝率 33% ○ 騎手近50戦勝率 16% ▽ 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) -51% (大幅な期待値マイナス) AI 予想勝率 5.8% (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。
5	サンライズホープ	新庄海（兵庫）	実164.3	▽詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯は8走で勝ち無し）
前5走 05/07 園田11R 7着/8頭+2.8秒 08/15 園田11R 5着/12頭+0.5秒 07/18 園田11R 3着/12頭+0.0秒 06/05 園田11R 4着/12頭+1.6秒 05/07 園田11R 4着/9頭+1.2秒
AI 評価の内訳 — 馬番 5 △ 直近3戦の調子平均 5.0着 △ 当競馬場適性 14走で勝率 14% ▽ 距離適性同距離は 8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) +114% (市場が大幅過小評価) AI 予想勝率 1.3% (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。
6	エイシンレオ	川原正（兵庫）	実7.4	○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78%と適性高／同馬場状態で勝率75%／直近3走で勝率67%と好調）
前5走 05/07 園田10R 1着/8頭勝利 12/24 園田9R 1着/9頭勝利 08/15 園田11R 4着/12頭+0.4秒 07/17 園田11R 1着/12頭勝利 06/27 園田11R 1着/8頭勝利
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 18走で勝率 78% (得意) ◎ 馬場適性同馬場 4走で勝率 75% ◎ 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) -19% (オッズ過剰評価) AI 予想勝率 10.9% (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。
7	ダンテバローズ	小牧太（兵庫）	実4.1	○詳細▼	AI上位評価だが期待値不足、見送り（直近3走で勝率100%と好調／前走勝利の勢い／騎手は近50戦で勝率30%）
前5走 05/07 園田11R 1着/8頭勝利 03/24 園田11R 1着/10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) ◎ 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) -28% (オッズ過剰評価) AI 予想勝率 17.5% (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。
8	スマラグドス	杉浦健（兵庫）	実85.9	△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) +344% (市場が大幅過小評価) AI 予想勝率 5.2% (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	テクノダイヤモンド	飛田愛（佐賀）	実232.8	△詳細▼	大穴、AI予想勝率低く長期回収困難（同距離帯3走で勝率33%）
前5走 05/19 名古屋9R 4着/11頭+1.1秒 05/06 名古屋11R 2着/10頭+0.1秒 04/22 名古屋11R 9着/12頭+1.3秒 04/09 名古屋9R 5着/11頭+1.0秒 03/27 名古屋8R 8着/12頭+1.7秒
AI 評価の内訳 — 馬番 9 △ 直近3戦の調子平均 5.0着 ◎ 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 16日の間隔 (理想的) 🌟◎ 期待値 (オッズ vs AI勝率) +432% (市場が大幅過小評価) AI 予想勝率 2.3% (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	インベルシオン	廣瀬航（兵庫）	実21.4	▲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6走で勝率33%／直近3走平均2.7着と安定）
前5走 05/07 園田11R 2着/8頭+0.2秒 01/03 園田11R 4着/12頭+0.2秒 12/11 園田11R 2着/12頭+0.0秒 01/03 園田11R 1着/10頭勝利 12/05 園田11R 2着/12頭+0.1秒
AI 評価の内訳 — 馬番 10 ○ 直近3戦の調子平均 2.7着 (安定) ◎ 当競馬場適性 8走で勝率 25% (得意) ◎ 距離適性同距離 6走で勝率 33% ○ 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) +69% (市場が大幅過小評価) AI 予想勝率 7.9% (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。

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 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	ハーフェン	小牧太（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（騎手は近50戦で勝率28%）
前5走 ― ― ― ― ―
AI 評価の内訳 — 馬番 1 ◎ 騎手近50戦勝率 28% (好調) × 期待値 (オッズ vs AI勝率) -59% (大幅な期待値マイナス) AI 予想勝率 5.4% (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	サンライズガッツ	新庄海（兵庫）	実61.0	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/15 園田10R 7着/9頭+1.2秒 04/23 園田11R 5着/9頭+0.9秒 ― ― ―
AI 評価の内訳 — 馬番 2 △ 直近3戦の調子平均 6.0着 ○ ローテーション 20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 1.1% (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。
3	ヤマニンリジッド	永島ま（JRA）	実32.2	▽詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/14 園田10R 6着/8頭+1.5秒 04/28 園田11R 7着/11頭+1.8秒 04/15 園田11R 7着/9頭+1.2秒 03/18 園田11R 10着/10頭+1.5秒 01/13 園田11R 7着/10頭+1.7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 45走で勝率 9% △ 距離適性同距離 38走で勝率 11% ○ 騎手近50戦勝率 16% ○ 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) -47% (大幅な期待値マイナス) AI 予想勝率 1.6% (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。
4	マイネルアラウダ	南部楓（兵庫）	実21.1	△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 05/06 園田10R 3着/11頭+0.2秒 04/29 園田11R 5着/9頭+0.6秒 04/15 園田12R 6着/12頭+1.3秒 03/24 園田10R 2着/8頭+0.0秒 01/02 園田10R 4着/11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 35走で勝率 14% △ 距離適性同距離 27走で勝率 11% ○ 前走実績前走 3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 3.2% (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。
5	メリーセンス	山本咲（兵庫）	実9.0	▲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67%と好調／前走2着）
前5走 05/14 園田10R 2着/8頭+0.2秒 04/14 園田8R 1着/8頭勝利 03/18 園田10R 1着/12頭勝利 10/03 園田10R 2着/10頭+0.1秒 08/27 園田12R 2着/12頭+0.1秒
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 15走で勝率 20% (相性良) ○ 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 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) -59% (大幅な期待値マイナス) AI 予想勝率 4.6% (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。
6	スナークダヴィンチ	杉浦健（兵庫）	実202.8	▽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7走で勝ち無し）
前5走 05/15 園田10R 9着/9頭+1.5秒 04/14 園田11R 6着/9頭+1.2秒 03/18 園田11R 4着/10頭+0.5秒 01/13 園田11R 6着/10頭+1.7秒 12/30 園田11R 8着/12頭+1.8秒
AI 評価の内訳 — 馬番 6 △ 直近3戦の調子平均 6.3着 × 当競馬場適性 16走で勝率 0% (苦戦) ▽ 距離適性同距離は 7走で勝ち無し ○ ローテーション 20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 0.6% (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。
7	キングヴァージル	笹田知（兵庫）	実42.9	△詳細▼	大穴、AI予想勝率低く長期回収困難
前5走 05/06 園田10R 4着/11頭+0.5秒 04/15 園田12R 7着/12頭+2.3秒 ― ― ―
AI 評価の内訳 — 馬番 7 △ 直近3戦の調子平均 5.5着 ○ 騎手近50戦勝率 16% △ 期待値 (オッズ vs AI勝率) -5% (オッズ過剰評価) AI 予想勝率 2.2% (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。
8	グッドハビッツ	田野豊（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26走で勝率35%と適性高／同距離帯24走で勝率38%／同馬場状態で勝率44%）
前5走 05/06 園田10R 2着/11頭+0.0秒 04/15 園田12R 4着/12頭+1.0秒 03/24 園田10R 5着/8頭+0.8秒 12/10 園田11R 9着/9頭+1.7秒 11/12 園田11R 6着/8頭+1.6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 26走で勝率 35% (得意) ◎ 距離適性同距離 24走で勝率 38% ◎ 馬場適性同馬場 9走で勝率 44% ○ 前走実績前走 2着 (好走) △ 期待値 (オッズ vs AI勝率) -25% (オッズ過剰評価) AI 予想勝率 14.2% (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。
9	スナークレジスト	小谷哲（兵庫）	実308.4	▽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7走で勝ち無し）
前5走 05/14 園田10R 4着/8頭+0.7秒 04/21 園田10R 7着/8頭+1.2秒 04/02 園田10R 5着/10頭+1.2秒 01/03 園田10R 8着/12頭+0.9秒 12/18 園田11R 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 5.3着 × 当競馬場適性 8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) ○ 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) +62% (市場が大幅過小評価) AI 予想勝率 0.5% (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。
10	ボンズドゥッカ	廣瀬航（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（当競馬場8走で勝率50%と適性高／同距離帯5走で勝率60%／同馬場状態で勝率67%）
前5走 05/06 園田10R 1着/11頭勝利 04/15 園田12R 2着/12頭+0.9秒 03/25 園田12R 1着/12頭勝利 01/14 園田12R 1着/12頭勝利 12/31 園田8R 3着/10頭+1.0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 8走で勝率 50% (得意) ◎ 距離適性同距離 5走で勝率 60% ◎ 馬場適性同馬場 3走で勝率 67% ◎ 前走実績前走 1着 (勢い継続) △ 期待値 (オッズ vs AI勝率) +1% (市場と概ね一致) AI 予想勝率 39.0% (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。
11	エイシンアニーモ	下原理（兵庫）	実3.6	○詳細▼	AI上位評価だが期待値不足、見送り（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／前走勝利の勢い）
前5走 05/13 園田9R 1着/9頭勝利 04/22 園田12R 4着/11頭+0.3秒 03/31 園田11R 6着/10頭+1.4秒 01/02 園田6R 2着/8頭+0.0秒 12/18 園田9R 1着/12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 7走で勝率 43% (得意) ○ 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 22日の間隔 (理想的) △ 期待値 (オッズ vs AI勝率) -11% (オッズ過剰評価) AI 予想勝率 24.6% (オッズ暗示: 27.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
12	アントラシート	松木大（兵庫）	実23.2	△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%）
前5走 05/15 園田10R 5着/9頭+0.7秒 04/23 園田11R 3着/9頭+0.8秒 03/31 園田11R 2着/10頭+0.6秒 01/07 園田11R 2着/10頭+0.0秒 12/17 園田10R 5着/12頭+1.9秒
AI 評価の内訳 — 馬番 12 △ 直近3戦の調子平均 3.3着 ○ 当競馬場適性 31走で勝率 23% (相性良) ◎ 距離適性同距離 24走で勝率 25% ○ ローテーション 20日の間隔 (理想的) × 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 2.9% (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。

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）

🎯 直近3日の的中馬券7件

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）2的中

2026年

06月03日

園田

2レース

馬
連

1-7

オッズ16.5倍

払戻 1,650円

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

2026/06/02（火）1的中

2026年

06月02日

名古屋

3レース

馬
連

9-12

オッズ4.6倍

払戻 920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 笹川翼（大井） ★★★★★
3 吉村智（兵庫） ★★★★★
4 小牧太（兵庫） ★★★★★
5 矢野貴（大井） ★★★★★

本日の注目レース

18:40 名古屋 12R

AI最高期待値 +313%。市場と AI 評価の乖離が大きい狙い目です。

10:40 園田 1R

AI最高期待値 +296%。市場と AI 評価の乖離が大きい狙い目です。

11:40 園田 3R

AI最高期待値 +211%。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 0.880

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。

運用 89.6%（蓄積中）

累計買い目 332 件 / 的中率 6.3% / 収支 -5,560円。サンプル数を増やして安定を狙います。

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

10:40 園田 1R 　10番　プロミット
11:40 園田 3R 　馬連　4-7
11:40 園田 3R 　3連複　2-4-7
11:40 園田 3R 　3連単　4-7->2
12:55 名古屋 2R 　8番　ジオパークコハク
13:40 園田 7R 　10番　レディーペガサス

運用サマリ 2モデル並走

A. 市場込みモデル

累計332 / 的中6.3% / 回収89.6% / 収支-5,560円

B. 市場除外+キャリブ

累計188 / 的中6.4% / 回収71.1% / 収支-8,000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

本日の全レース予想

🎯 直近3日の的中馬券7件