アクセス権限を確認中...
DEEP LEARNING PREDICTION SYSTEM / 深層学習予測システム
PRO MEMBER EXCLUSIVE
2026-04-04 中央競馬 - 2会場
Ensemble Neural Network Analysis / アンサンブル型ニューラルネットワーク分析 - 24 Races
阪神
2026-04-04 - 12レース
1R ３歳未勝利
📏 1800m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.4%
Training Loss
0.320
Inference Time
167ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 16 ペトリコール 本命 PT: 92.0
🎂 牝3 ⚖️ 55kg 🏇 ルメール 🏠 (栗)上村
Win Prob. / 勝率 43.58%
Model Certainty / 確信度 92.9%
Risk / リスク Low
Expected Value / 期待値 +2.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
91.3
Form Trend / 調子傾向
43.9
Track Compatibility / コース適性
86.0
Distance Fitness / 距離適性
85.4
Jockey Factor / 騎手要因
83.5
○ 3 ルージュエピック 対抗 PT: 86.0
🎂 牝3 ⚖️ 55kg 🏇 菱田裕 🏠 (栗)田中克
Win Prob. / 勝率 27.78%
Model Certainty / 確信度 81.9%
Risk / リスク Low
Expected Value / 期待値 +13.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.4
Stamina Rating / スタミナ評価
81.7
Form Trend / 調子傾向
13.5
Track Compatibility / コース適性
79.3
Distance Fitness / 距離適性
99.2
Jockey Factor / 騎手要因
88.5
▲ 7 ブライトベリル 単穴 PT: 80.0
🎂 牝3 ⚖️ 55kg 🏇 岩田望 🏠 (栗)中内田
Win Prob. / 勝率 18.42%
Model Certainty / 確信度 82.9%
Risk / リスク Low
Expected Value / 期待値 -13.9%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
80.7
Stamina Rating / スタミナ評価
75.6
Form Trend / 調子傾向
-2.4
Track Compatibility / コース適性
87.1
Distance Fitness / 距離適性
89.6
Jockey Factor / 騎手要因
87.6
△ 1 ザタイムハズカム 連下最上位 PT: 78.0
🎂 牝3 ⚖️ 55kg 🏇 川田将 🏠 (栗)福永
Win Prob. / 勝率 20.15%
Model Certainty / 確信度 75.1%
Risk / リスク Low
Expected Value / 期待値 +7.4%
△ 5 グロリアス 連下 PT: 78.0
🎂 牝3 ⚖️ 52kg 🏇 田山旺 🏠 (栗)新谷
Win Prob. / 勝率 21.65%
Model Certainty / 確信度 80.6%
Risk / リスク Low
Expected Value / 期待値 -8.9%
△ 13 ハッピーリオン 連下 PT: 76.0
🎂 牝3 ⚖️ 55kg 🏇 太宰啓 🏠 (栗)武英
Win Prob. / 勝率 13.67%
Model Certainty / 確信度 73.1%
Risk / リスク Low
Expected Value / 期待値 -14.9%
△ 12 ヤマニンエルファバ 連下 PT: 75.0
🎂 牝3 ⚖️ 55kg 🏇 武豊 🏠 (栗)千田
Win Prob. / 勝率 14.45%
Model Certainty / 確信度 71.5%
Risk / リスク Low
Expected Value / 期待値 -16.4%
☆ 10 シャドウクライ 補欠 PT: 74.0
🎂 牝3 ⚖️ 55kg 🏇 北村友 🏠 (栗)杉山佳
Win Prob. / 勝率 9.60%
Model Certainty / 確信度 65.8%
Risk / リスク Low
Expected Value / 期待値 -14.5%
☆ 15 コイタマチャン 補欠 PT: 73.0
🎂 牝3 ⚖️ 55kg 🏇 松山弘 🏠 (栗)宮本
Win Prob. / 勝率 9.77%
Model Certainty / 確信度 70.6%
Risk / リスク Low
Expected Value / 期待値 +0.8%
☆ 4 エンジェルグラース 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 国分恭 🏠 (栗)高橋康
Win Prob. / 勝率 12.03%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +0.5%
☆ 9 ルージュマシェリ 補欠 PT: 72.0
🎂 牝3 ⚖️ 53kg 🏇 永島ま 🏠 (栗)四位
Win Prob. / 勝率 6.56%
Model Certainty / 確信度 70.0%
Risk / リスク Low
Expected Value / 期待値 +18.3%
☆ 11 モズギャクテン 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 幸英明 🏠 (栗)飯田祐
Win Prob. / 勝率 5.46%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -16.3%
2 ミヤジケリー 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 秋山稔 🏠 (栗)高橋忠
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
6 メイショウルビー 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 和田陽 🏠 (栗)鈴木孝
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
8 ベリベリハッピー 無 PT: 70.0
🎂 牝3 ⚖️ 51kg 🏇 河原田菜 🏠 (栗)渡辺
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
14 ハギノデュア 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 鮫島駿 🏠 (栗)高野
Win Prob. / 勝率 8.22%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +8.4%
2R ３歳未勝利
📏 1400m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
73.9%
Training Loss
0.167
Inference Time
396ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 15 バトルアックス 本命 PT: 93.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)今野
Win Prob. / 勝率 36.90%
Model Certainty / 確信度 97.8%
Risk / リスク Low
Expected Value / 期待値 +13.1%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
98.2
Stamina Rating / スタミナ評価
86.8
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
90.2
Distance Fitness / 距離適性
100.0
Jockey Factor / 騎手要因
91.2
○ 14 アニマレイ 対抗 PT: 86.0
🎂 牡3 ⚖️ 57kg 🏇 ルメール 🏠 (栗)須貝尚
Win Prob. / 勝率 31.90%
Model Certainty / 確信度 85.3%
Risk / リスク Low
Expected Value / 期待値 +12.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.4
Stamina Rating / スタミナ評価
83.3
Form Trend / 調子傾向
19.3
Track Compatibility / コース適性
85.4
Distance Fitness / 距離適性
78.1
Jockey Factor / 騎手要因
82.9
▲ 1 ジャーナーリア 単穴 PT: 80.0
🎂 牡3 ⚖️ 57kg 🏇 松山弘 🏠 (栗)本田
Win Prob. / 勝率 23.41%
Model Certainty / 確信度 77.0%
Risk / リスク Low
Expected Value / 期待値 +4.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
80.1
Stamina Rating / スタミナ評価
77.1
Form Trend / 調子傾向
-14.9
Track Compatibility / コース適性
90.5
Distance Fitness / 距離適性
81.2
Jockey Factor / 騎手要因
82.4
△ 10 (外)ジューンレトリバー 連下最上位 PT: 80.0
🎂 牡3 ⚖️ 57kg 🏇 富田暁 🏠 (栗)長谷川
Win Prob. / 勝率 23.00%
Model Certainty / 確信度 79.3%
Risk / リスク Low
Expected Value / 期待値 -14.4%
△ 11 モズプリフォール 連下 PT: 80.0
🎂 牡3 ⚖️ 57kg 🏇 岩田望 🏠 (栗)矢作
Win Prob. / 勝率 18.00%
Model Certainty / 確信度 77.6%
Risk / リスク Low
Expected Value / 期待値 +18.2%
△ 16 チャーチルデュース 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 武豊 🏠 (栗)松永幹
Win Prob. / 勝率 13.04%
Model Certainty / 確信度 77.6%
Risk / リスク Low
Expected Value / 期待値 -7.1%
△ 3 (外)アメリカンサクラ 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 北村友 🏠 (栗)矢作
Win Prob. / 勝率 12.13%
Model Certainty / 確信度 75.0%
Risk / リスク Low
Expected Value / 期待値 -8.7%
☆ 8 モズジェネラル 補欠 PT: 75.0
🎂 牡3 ⚖️ 54kg 🏇 森田誠 🏠 (栗)田中克
Win Prob. / 勝率 9.85%
Model Certainty / 確信度 73.9%
Risk / リスク Low
Expected Value / 期待値 +15.2%
☆ 2 グレイイメル 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 高倉稜 🏠 (栗)武英
Win Prob. / 勝率 11.88%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -4.5%
4 クインテット 無 PT: 70.0
🎂 セン3 ⚖️ 57kg 🏇 荻野琢 🏠 (栗)秋山
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
5 (外)マカホウ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 角田和 🏠 (栗)田中克
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 69.9%
Risk / リスク Low
Expected Value / 期待値 -5.7%
6 ボトムレス 無 PT: 70.0
🎂 セン3 ⚖️ 57kg 🏇 酒井学 🏠 (栗)四位
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
7 ガビーズデトワール 無 PT: 70.0
🎂 牝3 ⚖️ 53kg 🏇 古川奈 🏠 (栗)牧田
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
9 ミニュイ 無 PT: 70.0
🎂 牡3 ⚖️ 54kg 🏇 田山旺 🏠 (栗)秋山
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
12 パイザナンバー 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 城戸義 🏠 (栗)畑端
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
13 (外)エクスマウス 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 吉村誠 🏠 (栗)茶木
Win Prob. / 勝率 8.07%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -11.7%
3R ３歳未勝利
📏 1800m 🐴 14頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.7%
Training Loss
0.303
Inference Time
132ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全14頭）
PRO限定 ◎ 13 グリーンゴー 本命 PT: 93.0
🎂 牡3 ⚖️ 57kg 🏇 川田将 🏠 (栗)福永
Win Prob. / 勝率 42.29%
Model Certainty / 確信度 92.6%
Risk / リスク Low
Expected Value / 期待値 +18.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
82.5
Form Trend / 調子傾向
27.6
Track Compatibility / コース適性
97.2
Distance Fitness / 距離適性
89.3
Jockey Factor / 騎手要因
66.5
○ 6 マーゴットバディ 対抗 PT: 89.0
🎂 セン3 ⚖️ 57kg 🏇 小崎綾 🏠 (栗)石坂公
Win Prob. / 勝率 33.41%
Model Certainty / 確信度 88.7%
Risk / リスク Low
Expected Value / 期待値 +9.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
95.7
Stamina Rating / スタミナ評価
91.6
Form Trend / 調子傾向
28.3
Track Compatibility / コース適性
99.6
Distance Fitness / 距離適性
91.1
Jockey Factor / 騎手要因
69.2
▲ 4 ドンテスタマスター 単穴 PT: 88.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)杉山晴
Win Prob. / 勝率 35.35%
Model Certainty / 確信度 88.3%
Risk / リスク Low
Expected Value / 期待値 -10.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
96.9
Stamina Rating / スタミナ評価
86.6
Form Trend / 調子傾向
17.2
Track Compatibility / コース適性
97.5
Distance Fitness / 距離適性
96.5
Jockey Factor / 騎手要因
78.2
△ 12 キャリアハイ 連下最上位 PT: 74.0
🎂 牡3 ⚖️ 57kg 🏇 亀田温 🏠 (栗)北出
Win Prob. / 勝率 12.44%
Model Certainty / 確信度 74.9%
Risk / リスク Low
Expected Value / 期待値 -1.2%
△ 3 テーオータウンズ 連下 PT: 73.0
🎂 牡3 ⚖️ 57kg 🏇 高杉吏 🏠 (栗)藤岡健
Win Prob. / 勝率 7.84%
Model Certainty / 確信度 68.7%
Risk / リスク Low
Expected Value / 期待値 +12.3%
△ 10 メイショウイッカク 連下 PT: 73.0
🎂 牡3 ⚖️ 53kg 🏇 河原田菜 🏠 (栗)池添学
Win Prob. / 勝率 8.21%
Model Certainty / 確信度 66.1%
Risk / リスク Low
Expected Value / 期待値 -18.6%
△ 1 メエメエ 連下 PT: 72.0
🎂 牝3 ⚖️ 53kg 🏇 永島ま 🏠 (栗)高橋康
Win Prob. / 勝率 8.44%
Model Certainty / 確信度 71.6%
Risk / リスク Low
Expected Value / 期待値 -11.1%
☆ 7 ハイビッグゴールド 補欠 PT: 72.0
🎂 牡3 ⚖️ 55kg 🏇 柴田裕 🏠 (栗)谷
Win Prob. / 勝率 7.89%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +14.1%
☆ 8 レットフィールマン 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 角田和 🏠 (栗)角田
Win Prob. / 勝率 9.52%
Model Certainty / 確信度 68.8%
Risk / リスク Low
Expected Value / 期待値 +16.5%
☆ 14 バンブラボー 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 幸英明 🏠 (栗)飯田祐
Win Prob. / 勝率 8.11%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +11.8%
2 コカボムショット 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 加藤祥 🏠 (栗)庄野
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
5 オンザ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 富田暁 🏠 (栗)高橋一
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 69.9%
Risk / リスク Low
Expected Value / 期待値 -5.7%
9 ファイヤーナイフ 無 PT: 70.0
🎂 牡3 ⚖️ 54kg 🏇 田山旺 🏠 (栗)中村
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
11 ゴンタ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 松若風 🏠 (栗)小崎
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
4R ３歳未勝利
📏 1400m 🐴 18頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
71.6%
Training Loss
0.300
Inference Time
168ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全18頭）
PRO限定 ◎ 11 アクアアイ 本命 PT: 93.0
🎂 牝3 ⚖️ 55kg 🏇 岩田望 🏠 (栗)四位
Win Prob. / 勝率 40.34%
Model Certainty / 確信度 95.7%
Risk / リスク Low
Expected Value / 期待値 -1.1%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
94.6
Stamina Rating / スタミナ評価
92.1
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
93.8
Distance Fitness / 距離適性
96.1
Jockey Factor / 騎手要因
87.5
○ 6 マイティキングダム 対抗 PT: 86.0
🎂 牡3 ⚖️ 57kg 🏇 富田暁 🏠 (栗)加藤公
Win Prob. / 勝率 29.83%
Model Certainty / 確信度 90.7%
Risk / リスク Low
Expected Value / 期待値 -0.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.8
Stamina Rating / スタミナ評価
84.4
Form Trend / 調子傾向
4.8
Track Compatibility / コース適性
92.5
Distance Fitness / 距離適性
92.0
Jockey Factor / 騎手要因
77.9
▲ 16 ハピネスサンライズ 単穴 PT: 81.0
🎂 牝3 ⚖️ 55kg 🏇 松若風 🏠 (栗)東田
Win Prob. / 勝率 24.56%
Model Certainty / 確信度 75.1%
Risk / リスク Low
Expected Value / 期待値 +2.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.1
Stamina Rating / スタミナ評価
90.8
Form Trend / 調子傾向
-7.0
Track Compatibility / コース適性
88.2
Distance Fitness / 距離適性
79.9
Jockey Factor / 騎手要因
87.0
△ 18 レインボーステート 連下最上位 PT: 79.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)茶木
Win Prob. / 勝率 16.66%
Model Certainty / 確信度 74.4%
Risk / リスク Low
Expected Value / 期待値 +7.7%
△ 13 ダノンベルビュー 連下 PT: 76.0
🎂 牝3 ⚖️ 55kg 🏇 川田将 🏠 (栗)坂口智
Win Prob. / 勝率 13.26%
Model Certainty / 確信度 72.7%
Risk / リスク Low
Expected Value / 期待値 -14.9%
△ 15 ヴェルメロディ 連下 PT: 75.0
🎂 牝3 ⚖️ 55kg 🏇 吉村誠 🏠 (栗)福永
Win Prob. / 勝率 15.23%
Model Certainty / 確信度 76.0%
Risk / リスク Low
Expected Value / 期待値 -10.5%
△ 5 ブランチアウト 連下 PT: 74.0
🎂 牡3 ⚖️ 57kg 🏇 古川吉 🏠 (栗)昆
Win Prob. / 勝率 12.14%
Model Certainty / 確信度 69.0%
Risk / リスク Low
Expected Value / 期待値 -3.3%
☆ 8 ティアラティアレ 補欠 PT: 73.0
🎂 牝3 ⚖️ 55kg 🏇 国分優 🏠 (栗)梅田智
Win Prob. / 勝率 11.72%
Model Certainty / 確信度 73.0%
Risk / リスク Low
Expected Value / 期待値 +8.1%
☆ 2 サンエンジェルス 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 浜中俊 🏠 (栗)谷
Win Prob. / 勝率 11.88%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -4.5%
☆ 12 (外)ワトルツリー 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 高杉吏 🏠 (栗)藤岡健
Win Prob. / 勝率 4.47%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +16.9%
☆ 14 アスターシャウルス 補欠 PT: 72.0
🎂 牝3 ⚖️ 53kg 🏇 柴田裕 🏠 (栗)中竹
Win Prob. / 勝率 8.11%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +11.8%
☆ 7 ムーンライトダイヤ 補欠 PT: 71.0
🎂 牝3 ⚖️ 55kg 🏇 秋山稔 🏠 (栗)河嶋
Win Prob. / 勝率 3.64%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -12.4%
1 イーグルチョイス 無 PT: 70.0
🎂 牡3 ⚖️ 55kg 🏇 今村聖 🏠 (栗)千田
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
3 ラッキーヴォーグ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 池添謙 🏠 (栗)牧田
Win Prob. / 勝率 4.06%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.5%
4 キタノコウセイ 無 PT: 70.0
🎂 セン3 ⚖️ 57kg 🏇 角田和 🏠 (栗)畑端
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
9 タイガーロード 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 田口貫 🏠 (栗)大橋
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
10 (外)チヨ 無 PT: 70.0
🎂 牝3 ⚖️ 50kg 🏇 田山旺 🏠 (栗)鈴木孝
Win Prob. / 勝率 8.20%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 +8.9%
17 ルナティックブルー 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 小沢大 🏠 (栗)今野
Win Prob. / 勝率 7.91%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 -1.1%
5R ３歳未勝利
📏 1800m 🐴 18頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.2%
Training Loss
0.197
Inference Time
191ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全18頭）
PRO限定 ◎ 16 ハムタン 本命 PT: 90.0
🎂 牡3 ⚖️ 57kg 🏇 武豊 🏠 (栗)武幸
Win Prob. / 勝率 40.54%
Model Certainty / 確信度 91.2%
Risk / リスク Low
Expected Value / 期待値 +8.5%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
99.7
Stamina Rating / スタミナ評価
88.1
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
92.1
Distance Fitness / 距離適性
94.9
Jockey Factor / 騎手要因
58.0
○ 6 フォルストランキル 対抗 PT: 83.0
🎂 牝3 ⚖️ 55kg 🏇 岩田望 🏠 (栗)池江寿
Win Prob. / 勝率 31.63%
Model Certainty / 確信度 86.9%
Risk / リスク Low
Expected Value / 期待値 +6.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.4
Stamina Rating / スタミナ評価
84.3
Form Trend / 調子傾向
10.6
Track Compatibility / コース適性
78.9
Distance Fitness / 距離適性
84.3
Jockey Factor / 騎手要因
60.5
▲ 3 イクオクコウネン 単穴 PT: 81.0
🎂 牡3 ⚖️ 57kg 🏇 ルメール 🏠 (栗)斉藤崇
Win Prob. / 勝率 24.10%
Model Certainty / 確信度 79.5%
Risk / リスク Low
Expected Value / 期待値 -6.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
89.7
Stamina Rating / スタミナ評価
77.0
Form Trend / 調子傾向
18.7
Track Compatibility / コース適性
77.5
Distance Fitness / 距離適性
76.2
Jockey Factor / 騎手要因
83.5
△ 8 プレスリリース 連下最上位 PT: 81.0
🎂 牡3 ⚖️ 57kg 🏇 川田将 🏠 (栗)中内田
Win Prob. / 勝率 27.55%
Model Certainty / 確信度 84.4%
Risk / リスク Low
Expected Value / 期待値 -6.0%
△ 17 ダイナソーコー 連下 PT: 78.0
🎂 牡3 ⚖️ 57kg 🏇 高杉吏 🏠 (栗)藤岡健
Win Prob. / 勝率 21.42%
Model Certainty / 確信度 75.7%
Risk / リスク Low
Expected Value / 期待値 -12.0%
△ 1 リノルアナ 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 酒井学 🏠 (栗)坂口智
Win Prob. / 勝率 19.23%
Model Certainty / 確信度 70.8%
Risk / リスク Low
Expected Value / 期待値 +17.6%
△ 12 フィニステーレ 連下 PT: 75.0
🎂 牝3 ⚖️ 55kg 🏇 斎藤新 🏠 (栗)辻野
Win Prob. / 勝率 15.25%
Model Certainty / 確信度 72.2%
Risk / リスク Low
Expected Value / 期待値 -16.4%
☆ 11 ラヴィニール 補欠 PT: 73.0
🎂 牝3 ⚖️ 55kg 🏇 北村友 🏠 (栗)武英
Win Prob. / 勝率 10.77%
Model Certainty / 確信度 65.4%
Risk / リスク Low
Expected Value / 期待値 -10.7%
☆ 10 ジェンティール 補欠 PT: 72.0
🎂 牡3 ⚖️ 54kg 🏇 田山旺 🏠 (栗)須貝尚
Win Prob. / 勝率 11.15%
Model Certainty / 確信度 71.5%
Risk / リスク Low
Expected Value / 期待値 -11.1%
☆ 14 ストラドーネ 補欠 PT: 72.0
🎂 牡3 ⚖️ 55kg 🏇 柴田裕 🏠 (栗)中竹
Win Prob. / 勝率 8.56%
Model Certainty / 確信度 65.3%
Risk / リスク Low
Expected Value / 期待値 +11.8%
☆ 15 ハクサンリング 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 小沢大 🏠 (栗)緒方
Win Prob. / 勝率 10.40%
Model Certainty / 確信度 69.2%
Risk / リスク Low
Expected Value / 期待値 +6.1%
☆ 18 バックドラフト 補欠 PT: 71.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)友道
Win Prob. / 勝率 5.24%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +8.2%
2 ホウオウスカイハイ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 古川吉 🏠 (栗)宮
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
4 ペプチドアバンス 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 富田暁 🏠 (栗)小椋
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
5 ステインアライヴ 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 鮫島駿 🏠 (栗)中村
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 69.9%
Risk / リスク Low
Expected Value / 期待値 -5.7%
7 マイラヴノリピー 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 荻野琢 🏠 (栗)秋山
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
9 レディトゥアタック 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 西塚洸 🏠 (栗)清水久
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
13 レイアン 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 和田陽 🏠 (栗)笹田
Win Prob. / 勝率 8.07%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -11.7%
6R ４歳以上１勝クラス
📏 1200m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.5%
Training Loss
0.182
Inference Time
134ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 6 タケルハーロック 本命 PT: 94.0
🎂 牡4 ⚖️ 58kg 🏇 鮫島駿 🏠 (栗)高柳大
Win Prob. / 勝率 43.89%
Model Certainty / 確信度 90.2%
Risk / リスク Low
Expected Value / 期待値 +10.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
94.6
Stamina Rating / スタミナ評価
90.5
Form Trend / 調子傾向
47.0
Track Compatibility / コース適性
97.2
Distance Fitness / 距離適性
98.6
Jockey Factor / 騎手要因
89.1
○ 7 ゼットスパンキー 対抗 PT: 86.0
🎂 牡5 ⚖️ 58kg 🏇 浜中俊 🏠 (栗)宮
Win Prob. / 勝率 30.74%
Model Certainty / 確信度 89.5%
Risk / リスク Low
Expected Value / 期待値 -16.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
95.6
Stamina Rating / スタミナ評価
78.7
Form Trend / 調子傾向
8.0
Track Compatibility / コース適性
88.9
Distance Fitness / 距離適性
92.4
Jockey Factor / 騎手要因
92.7
▲ 4 テーオーミリカン 単穴 PT: 83.0
🎂 牡4 ⚖️ 55kg 🏇 田山旺 🏠 (栗)宮
Win Prob. / 勝率 20.65%
Model Certainty / 確信度 80.9%
Risk / リスク Low
Expected Value / 期待値 -7.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
84.1
Stamina Rating / スタミナ評価
84.4
Form Trend / 調子傾向
14.0
Track Compatibility / コース適性
92.0
Distance Fitness / 距離適性
94.5
Jockey Factor / 騎手要因
90.5
△ 5 ガビーズブラザー 連下最上位 PT: 81.0
🎂 牡4 ⚖️ 58kg 🏇 松若風 🏠 (栗)牧田
Win Prob. / 勝率 24.79%
Model Certainty / 確信度 79.2%
Risk / リスク Low
Expected Value / 期待値 +17.8%
△ 13 スカイブルー 連下 PT: 76.0
🎂 牡4 ⚖️ 58kg 🏇 秋山稔 🏠 (栗)佐藤悠
Win Prob. / 勝率 12.88%
Model Certainty / 確信度 72.4%
Risk / リスク Low
Expected Value / 期待値 -14.9%
△ 2 メイショウゴールド 連下 PT: 75.0
🎂 牡4 ⚖️ 58kg 🏇 幸英明 🏠 (栗)荒川
Win Prob. / 勝率 11.42%
Model Certainty / 確信度 69.6%
Risk / リスク Low
Expected Value / 期待値 +16.6%
△ 16 (地)カネコメファミリー 連下 PT: 73.0
🎂 牝5 ⚖️ 56kg 🏇 斎藤新 🏠 (栗)中尾秀
Win Prob. / 勝率 9.53%
Model Certainty / 確信度 72.3%
Risk / リスク Low
Expected Value / 期待値 +9.2%
☆ 1 シュネーグロッケン 補欠 PT: 72.0
🎂 牡4 ⚖️ 58kg 🏇 松山弘 🏠 (栗)清水久
Win Prob. / 勝率 8.31%
Model Certainty / 確信度 71.5%
Risk / リスク Low
Expected Value / 期待値 -11.1%
☆ 15 グリフォン 補欠 PT: 72.0
🎂 牝4 ⚖️ 56kg 🏇 小沢大 🏠 (栗)小椋
Win Prob. / 勝率 9.82%
Model Certainty / 確信度 68.7%
Risk / リスク Low
Expected Value / 期待値 +6.1%
☆ 3 オースミライト 補欠 PT: 71.0
🎂 牝4 ⚖️ 56kg 🏇 加藤祥 🏠 (栗)宮本
Win Prob. / 勝率 5.45%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -15.1%
☆ 12 ワンウェイトゥヘル 補欠 PT: 71.0
🎂 牡4 ⚖️ 58kg 🏇 岩田望 🏠 (栗)中村
Win Prob. / 勝率 8.09%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -14.1%
☆ 14 ダイヤモンド 補欠 PT: 71.0
🎂 牡4 ⚖️ 58kg 🏇 酒井学 🏠 (栗)清水久
Win Prob. / 勝率 4.65%
Model Certainty / 確信度 68.3%
Risk / リスク Low
Expected Value / 期待値 -10.7%
8 (地)バトンロード 無 PT: 70.0
🎂 牡4 ⚖️ 58kg 🏇 太宰啓 🏠 (栗)石橋
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
9 ランドブレイブ 無 PT: 70.0
🎂 牡4 ⚖️ 58kg 🏇 田口貫 🏠 (栗)安達
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
10 メイショウハッブル 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 角田和 🏠 (栗)石橋
Win Prob. / 勝率 8.20%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 +8.9%
11 サンライズジュピタ 無 PT: 70.0
🎂 牡4 ⚖️ 58kg 🏇 高杉吏 🏠 (栗)石坂公
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
7R ４歳以上１勝クラス
📏 1800m 🐴 9頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
79.8%
Training Loss
0.345
Inference Time
248ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全9頭）
PRO限定 ◎ 5 (外)アークドール 本命 PT: 90.0
🎂 牡5 ⚖️ 58kg 🏇 武豊 🏠 (栗)松永幹
Win Prob. / 勝率 43.57%
Model Certainty / 確信度 91.3%
Risk / リスク Low
Expected Value / 期待値 -4.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.8
Stamina Rating / スタミナ評価
94.0
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
98.9
Distance Fitness / 距離適性
87.2
Jockey Factor / 騎手要因
73.1
○ 4 エイユーファイヤー 対抗 PT: 85.0
🎂 牡4 ⚖️ 58kg 🏇 松山弘 🏠 (栗)森田
Win Prob. / 勝率 30.05%
Model Certainty / 確信度 91.7%
Risk / リスク Low
Expected Value / 期待値 +11.5%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
93.6
Stamina Rating / スタミナ評価
92.2
Form Trend / 調子傾向
32.0
Track Compatibility / コース適性
94.2
Distance Fitness / 距離適性
86.6
Jockey Factor / 騎手要因
67.8
▲ 8 ジーティーアメリカ 単穴 PT: 85.0
🎂 牡4 ⚖️ 58kg 🏇 北村友 🏠 (栗)吉岡
Win Prob. / 勝率 27.94%
Model Certainty / 確信度 89.4%
Risk / リスク Low
Expected Value / 期待値 +0.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.0
Stamina Rating / スタミナ評価
82.0
Form Trend / 調子傾向
28.8
Track Compatibility / コース適性
84.5
Distance Fitness / 距離適性
85.0
Jockey Factor / 騎手要因
92.6
△ 3 マジックブルー 連下最上位 PT: 83.0
🎂 牡5 ⚖️ 58kg 🏇 幸英明 🏠 (栗)荒川
Win Prob. / 勝率 30.54%
Model Certainty / 確信度 79.6%
Risk / リスク Low
Expected Value / 期待値 +19.7%
△ 9 バシリス 連下 PT: 79.0
🎂 牝4 ⚖️ 54kg 🏇 今村聖 🏠 (栗)寺島
Win Prob. / 勝率 18.69%
Model Certainty / 確信度 79.6%
Risk / リスク Low
Expected Value / 期待値 +19.4%
△ 2 グリプトグラフィ 連下 PT: 75.0
🎂 牡4 ⚖️ 58kg 🏇 亀田温 🏠 (栗)武幸
Win Prob. / 勝率 12.87%
Model Certainty / 確信度 70.9%
Risk / リスク Low
Expected Value / 期待値 +16.6%
△ 6 ゴルデールスカー 連下 PT: 74.0
🎂 牡6 ⚖️ 58kg 🏇 鮫島駿 🏠 (栗)加藤公
Win Prob. / 勝率 10.30%
Model Certainty / 確信度 74.3%
Risk / リスク Low
Expected Value / 期待値 +19.4%
☆ 7 ハイグッドワールド 補欠 PT: 73.0
🎂 牡5 ⚖️ 56kg 🏇 柴田裕 🏠 (栗)谷
Win Prob. / 勝率 8.79%
Model Certainty / 確信度 73.0%
Risk / リスク Low
Expected Value / 期待値 -7.4%
1 (地)アカツキロットリー 無 PT: 70.0
🎂 牡6 ⚖️ 54kg 🏇 河原田菜 🏠 (美)的場
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
8R ４歳以上２勝クラス
📏 1200m 🐴 9頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
79.3%
Training Loss
0.320
Inference Time
306ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全9頭）
PRO限定 ◎ 2 ディアドコス 本命 PT: 91.0
🎂 牡6 ⚖️ 58kg 🏇 吉村誠 🏠 (栗)羽月
Win Prob. / 勝率 36.33%
Model Certainty / 確信度 96.0%
Risk / リスク Low
Expected Value / 期待値 +19.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
94.8
Stamina Rating / スタミナ評価
83.9
Form Trend / 調子傾向
44.2
Track Compatibility / コース適性
99.2
Distance Fitness / 距離適性
87.2
Jockey Factor / 騎手要因
56.2
○ 7 リリーフィールド 対抗 PT: 88.0
🎂 牝4 ⚖️ 56kg 🏇 武豊 🏠 (栗)小崎
Win Prob. / 勝率 38.42%
Model Certainty / 確信度 94.0%
Risk / リスク Low
Expected Value / 期待値 +0.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.4
Stamina Rating / スタミナ評価
88.3
Form Trend / 調子傾向
34.0
Track Compatibility / コース適性
97.9
Distance Fitness / 距離適性
100.0
Jockey Factor / 騎手要因
58.3
▲ 1 タガノアンファン 単穴 PT: 86.0
🎂 牡4 ⚖️ 58kg 🏇 高杉吏 🏠 (栗)石坂公
Win Prob. / 勝率 31.01%
Model Certainty / 確信度 84.6%
Risk / リスク Low
Expected Value / 期待値 +2.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.7
Stamina Rating / スタミナ評価
88.1
Form Trend / 調子傾向
30.9
Track Compatibility / コース適性
88.2
Distance Fitness / 距離適性
95.3
Jockey Factor / 騎手要因
55.6
△ 6 クイーンズデイ 連下最上位 PT: 84.0
🎂 牝4 ⚖️ 56kg 🏇 国分恭 🏠 (栗)岡田
Win Prob. / 勝率 30.76%
Model Certainty / 確信度 86.6%
Risk / リスク Low
Expected Value / 期待値 +2.9%
△ 9 (外)サンドロナイト 連下 PT: 75.0
🎂 牝5 ⚖️ 56kg 🏇 松山弘 🏠 (栗)茶木
Win Prob. / 勝率 12.38%
Model Certainty / 確信度 76.8%
Risk / リスク Low
Expected Value / 期待値 -0.9%
△ 8 キントラダンサー 連下 PT: 74.0
🎂 牝4 ⚖️ 53kg 🏇 田山旺 🏠 (栗)長谷川
Win Prob. / 勝率 8.24%
Model Certainty / 確信度 72.7%
Risk / リスク Low
Expected Value / 期待値 +9.5%
△ 3 ブリーズオンチーク 連下 PT: 72.0
🎂 牝5 ⚖️ 56kg 🏇 北村友 🏠 (栗)高野
Win Prob. / 勝率 8.20%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.8%
4 レッドセニョール 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 鮫島駿 🏠 (美)矢嶋
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
5 ミロワール 無 PT: 70.0
🎂 牝7 ⚖️ 56kg 🏇 古川吉 🏠 (栗)柴田卓
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 69.9%
Risk / リスク Low
Expected Value / 期待値 -5.7%
9R アザレア賞
📏 2400m 🐴 9頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
76.5%
Training Loss
0.306
Inference Time
226ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全9頭）
PRO限定 ◎ 2 アーレムアレス 本命 PT: 94.0
🎂 牡3 ⚖️ 57kg 🏇 菱田裕 🏠 (栗)橋口慎
Win Prob. / 勝率 37.54%
Model Certainty / 確信度 97.1%
Risk / リスク Low
Expected Value / 期待値 +3.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
87.6
Form Trend / 調子傾向
25.9
Track Compatibility / コース適性
97.2
Distance Fitness / 距離適性
100.0
Jockey Factor / 騎手要因
63.0
○ 4 ブラックオリンピア 対抗 PT: 88.0
🎂 牡3 ⚖️ 57kg 🏇 川田将 🏠 (栗)友道
Win Prob. / 勝率 33.42%
Model Certainty / 確信度 86.7%
Risk / リスク Low
Expected Value / 期待値 -10.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
96.9
Stamina Rating / スタミナ評価
86.6
Form Trend / 調子傾向
12.8
Track Compatibility / コース適性
97.5
Distance Fitness / 距離適性
96.5
Jockey Factor / 騎手要因
78.2
▲ 9 タガノアルトゥーラ 単穴 PT: 87.0
🎂 牡3 ⚖️ 57kg 🏇 吉村誠 🏠 (栗)長谷川
Win Prob. / 勝率 29.72%
Model Certainty / 確信度 81.6%
Risk / リスク Low
Expected Value / 期待値 -11.1%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.5
Stamina Rating / スタミナ評価
93.1
Form Trend / 調子傾向
4.1
Track Compatibility / コース適性
93.7
Distance Fitness / 距離適性
89.9
Jockey Factor / 騎手要因
75.3
△ 7 ヴァロンブローサ 連下最上位 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 幸英明 🏠 (栗)池添学
Win Prob. / 勝率 12.83%
Model Certainty / 確信度 74.3%
Risk / リスク Low
Expected Value / 期待値 +12.1%
△ 8 サトノリシャール 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 岩田望 🏠 (栗)福永
Win Prob. / 勝率 7.80%
Model Certainty / 確信度 74.3%
Risk / リスク Low
Expected Value / 期待値 -16.5%
△ 6 ノンブルドール 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 ルメール 🏠 (栗)西園翔
Win Prob. / 勝率 8.06%
Model Certainty / 確信度 73.9%
Risk / リスク Low
Expected Value / 期待値 +12.1%
△ 5 サントルドパリ 連下 PT: 74.0
🎂 牡3 ⚖️ 57kg 🏇 鮫島駿 🏠 (栗)小林
Win Prob. / 勝率 9.23%
Model Certainty / 確信度 66.5%
Risk / リスク Low
Expected Value / 期待値 -3.3%
☆ 1 ヘルメスギャング 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 今村聖 🏠 (美)武井
Win Prob. / 勝率 5.39%
Model Certainty / 確信度 69.0%
Risk / リスク Low
Expected Value / 期待値 -11.1%
☆ 3 カットソロ 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)矢作
Win Prob. / 勝率 4.86%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.8%
10R ポラリスステークス
📏 1400m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.6%
Training Loss
0.261
Inference Time
137ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 7 ビダーヤ 本命 PT: 91.0
🎂 牡5 ⚖️ 58kg 🏇 坂井瑠 🏠 (栗)矢作
Win Prob. / 勝率 40.34%
Model Certainty / 確信度 90.3%
Risk / リスク Low
Expected Value / 期待値 +18.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
99.1
Form Trend / 調子傾向
27.5
Track Compatibility / コース適性
98.7
Distance Fitness / 距離適性
93.3
Jockey Factor / 騎手要因
77.0
○ 8 ヤマニンウルス 対抗 PT: 89.0
🎂 牡6 ⚖️ 59.5kg 🏇 武豊 🏠 (栗)斉藤崇
Win Prob. / 勝率 39.02%
Model Certainty / 確信度 91.1%
Risk / リスク Low
Expected Value / 期待値 -3.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
90.3
Stamina Rating / スタミナ評価
97.1
Form Trend / 調子傾向
38.0
Track Compatibility / コース適性
91.1
Distance Fitness / 距離適性
85.9
Jockey Factor / 騎手要因
82.0
▲ 12 ベルジュロネット 単穴 PT: 83.0
🎂 牡4 ⚖️ 56kg 🏇 鮫島駿 🏠 (栗)大久龍
Win Prob. / 勝率 26.42%
Model Certainty / 確信度 81.0%
Risk / リスク Low
Expected Value / 期待値 -6.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
81.1
Stamina Rating / スタミナ評価
77.2
Form Trend / 調子傾向
21.5
Track Compatibility / コース適性
92.6
Distance Fitness / 距離適性
88.6
Jockey Factor / 騎手要因
92.5
△ 3 スマートサニー 連下最上位 PT: 81.0
🎂 牡6 ⚖️ 55kg 🏇 高杉吏 🏠 (栗)石橋
Win Prob. / 勝率 23.18%
Model Certainty / 確信度 78.7%
Risk / リスク Low
Expected Value / 期待値 -6.2%
△ 5 キタノズエッジ 連下 PT: 77.0
🎂 牡5 ⚖️ 57kg 🏇 古川吉 🏠 (栗)畑端
Win Prob. / 勝率 18.82%
Model Certainty / 確信度 75.1%
Risk / リスク Low
Expected Value / 期待値 +18.6%
△ 2 ヴーレヴー 連下 PT: 74.0
🎂 牝4 ⚖️ 54kg 🏇 浜中俊 🏠 (栗)武幸
Win Prob. / 勝率 12.40%
Model Certainty / 確信度 70.5%
Risk / リスク Low
Expected Value / 期待値 -6.6%
△ 9 クロジシジョー 連下 PT: 74.0
🎂 牡7 ⚖️ 59kg 🏇 菱田裕 🏠 (栗)岡田
Win Prob. / 勝率 10.06%
Model Certainty / 確信度 69.2%
Risk / リスク Low
Expected Value / 期待値 +18.8%
☆ 6 バトルクライ 補欠 PT: 73.0
🎂 牡7 ⚖️ 58.5kg 🏇 北村友 🏠 (美)高木登
Win Prob. / 勝率 11.45%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 +13.0%
☆ 10 バトゥーキ 補欠 PT: 73.0
🎂 牡6 ⚖️ 56kg 🏇 秋山稔 🏠 (栗)浜田
Win Prob. / 勝率 8.64%
Model Certainty / 確信度 66.5%
Risk / リスク Low
Expected Value / 期待値 -18.6%
☆ 16 バグラダス 補欠 PT: 71.0
🎂 牡6 ⚖️ 56kg 🏇 岩田望 🏠 (美)嘉藤
Win Prob. / 勝率 6.47%
Model Certainty / 確信度 67.6%
Risk / リスク Low
Expected Value / 期待値 -15.8%
1 ジュンウィンダム 無 PT: 70.0
🎂 牝6 ⚖️ 53kg 🏇 西塚洸 🏠 (栗)浜田
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
4 ハセドン 無 PT: 70.0
🎂 牡7 ⚖️ 56kg 🏇 吉村誠 🏠 (美)大和田
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
11 サクセスローレル 無 PT: 70.0
🎂 牡7 ⚖️ 52kg 🏇 亀田温 🏠 (栗)北出
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
13 (外)アドバンスファラオ 無 PT: 70.0
🎂 セン6 ⚖️ 56kg 🏇 高倉稜 🏠 (栗)森秀行
Win Prob. / 勝率 8.07%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -11.7%
14 セントメモリーズ 無 PT: 70.0
🎂 牝5 ⚖️ 52kg 🏇 富田暁 🏠 (美)斎藤誠
Win Prob. / 勝率 8.22%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +8.4%
15 ナイトアクアリウム 無 PT: 70.0
🎂 牡6 ⚖️ 55kg 🏇 長岡禎 🏠 (栗)杉山佳
Win Prob. / 勝率 8.33%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -5.3%
11R 第３５回 チャーチルダウンズカップ(ＧⅢ)
📏 1600m 🐴 14頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
75.2%
Training Loss
0.318
Inference Time
335ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全14頭）
PRO限定 ◎ 8 アンドゥーリル 本命 PT: 91.0
🎂 牡3 ⚖️ 57kg 🏇 川田将 🏠 (栗)中内田
Win Prob. / 勝率 39.09%
Model Certainty / 確信度 91.8%
Risk / リスク Low
Expected Value / 期待値 +1.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
96.8
Stamina Rating / スタミナ評価
90.4
Form Trend / 調子傾向
32.9
Track Compatibility / コース適性
95.8
Distance Fitness / 距離適性
90.5
Jockey Factor / 騎手要因
71.8
○ 6 サンダーストラック 対抗 PT: 87.0
🎂 牡3 ⚖️ 57kg 🏇 ルメール 🏠 (美)木村
Win Prob. / 勝率 32.97%
Model Certainty / 確信度 89.3%
Risk / リスク Low
Expected Value / 期待値 -5.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
89.2
Stamina Rating / スタミナ評価
79.3
Form Trend / 調子傾向
32.0
Track Compatibility / コース適性
92.0
Distance Fitness / 距離適性
90.9
Jockey Factor / 騎手要因
94.5
▲ 10 バルセシート 単穴 PT: 82.0
🎂 牡3 ⚖️ 57kg 🏇 北村友 🏠 (栗)松下
Win Prob. / 勝率 21.28%
Model Certainty / 確信度 84.8%
Risk / リスク Low
Expected Value / 期待値 -10.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
91.6
Stamina Rating / スタミナ評価
80.1
Form Trend / 調子傾向
13.0
Track Compatibility / コース適性
88.5
Distance Fitness / 距離適性
87.6
Jockey Factor / 騎手要因
60.6
△ 14 アスクイキゴミ 連下最上位 PT: 78.0
🎂 牡3 ⚖️ 57kg 🏇 坂井瑠 🏠 (栗)藤原英
Win Prob. / 勝率 16.48%
Model Certainty / 確信度 79.6%
Risk / リスク Low
Expected Value / 期待値 -2.1%
△ 3 リゾートアイランド 連下 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 武豊 🏠 (美)上原佑
Win Prob. / 勝率 20.55%
Model Certainty / 確信度 79.9%
Risk / リスク Low
Expected Value / 期待値 -13.4%
△ 5 シーミハットク 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 高杉吏 🏠 (栗)寺島
Win Prob. / 勝率 18.72%
Model Certainty / 確信度 78.3%
Risk / リスク Low
Expected Value / 期待値 +0.5%
△ 7 サトノセプター 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 岩田望 🏠 (栗)上村
Win Prob. / 勝率 18.92%
Model Certainty / 確信度 74.0%
Risk / リスク Low
Expected Value / 期待値 +10.1%
☆ 4 エイシンティザー 補欠 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 西塚洸 🏠 (栗)吉村
Win Prob. / 勝率 12.36%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +0.4%
☆ 13 ファンクション 補欠 PT: 74.0
🎂 牝3 ⚖️ 55kg 🏇 鮫島駿 🏠 (美)斎藤誠
Win Prob. / 勝率 11.81%
Model Certainty / 確信度 66.6%
Risk / リスク Low
Expected Value / 期待値 -19.6%
☆ 9 クールデイトナ 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 吉村誠 🏠 (栗)宮地
Win Prob. / 勝率 6.72%
Model Certainty / 確信度 70.2%
Risk / リスク Low
Expected Value / 期待値 +18.3%
1 ストームサンダー 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 斎藤新 🏠 (栗)安達
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
2 メイショウソラリス 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 角田和 🏠 (栗)角田
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
11 (外)ユウファラオ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 松若風 🏠 (栗)森秀行
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
12 サーディンラン 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 松山弘 🏠 (栗)武英
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
12R ４歳以上２勝クラス
📏 1400m 🐴 15頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
73.6%
Training Loss
0.173
Inference Time
236ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全15頭）
PRO限定 ◎ 5 ポートデラメール 本命 PT: 94.0
🎂 牝4 ⚖️ 56kg 🏇 ルメール 🏠 (栗)斉藤崇
Win Prob. / 勝率 43.36%
Model Certainty / 確信度 97.5%
Risk / リスク Low
Expected Value / 期待値 -8.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
93.5
Stamina Rating / スタミナ評価
91.8
Form Trend / 調子傾向
28.8
Track Compatibility / コース適性
93.5
Distance Fitness / 距離適性
94.1
Jockey Factor / 騎手要因
57.0
○ 3 メイケイレイン 対抗 PT: 91.0
🎂 牡4 ⚖️ 56kg 🏇 柴田裕 🏠 (栗)中竹
Win Prob. / 勝率 31.69%
Model Certainty / 確信度 92.6%
Risk / リスク Low
Expected Value / 期待値 +14.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
99.0
Stamina Rating / スタミナ評価
80.2
Form Trend / 調子傾向
39.7
Track Compatibility / コース適性
91.0
Distance Fitness / 距離適性
94.8
Jockey Factor / 騎手要因
69.7
▲ 6 オーケアニス 単穴 PT: 81.0
🎂 牝4 ⚖️ 56kg 🏇 坂井瑠 🏠 (栗)松永幹
Win Prob. / 勝率 19.88%
Model Certainty / 確信度 78.1%
Risk / リスク Low
Expected Value / 期待値 -14.5%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
91.7
Stamina Rating / スタミナ評価
87.3
Form Trend / 調子傾向
8.8
Track Compatibility / コース適性
84.6
Distance Fitness / 距離適性
82.9
Jockey Factor / 騎手要因
60.6
△ 8 ラヴオントップ 連下最上位 PT: 79.0
🎂 牝5 ⚖️ 56kg 🏇 吉村誠 🏠 (栗)西村
Win Prob. / 勝率 14.68%
Model Certainty / 確信度 75.4%
Risk / リスク Low
Expected Value / 期待値 -5.6%
△ 14 モズタチアガレ 連下 PT: 78.0
🎂 牡4 ⚖️ 58kg 🏇 北村友 🏠 (栗)中尾秀
Win Prob. / 勝率 14.81%
Model Certainty / 確信度 78.2%
Risk / リスク Low
Expected Value / 期待値 -2.1%
△ 15 ツーネサーン 連下 PT: 74.0
🎂 牡5 ⚖️ 58kg 🏇 岩田望 🏠 (栗)矢作
Win Prob. / 勝率 7.83%
Model Certainty / 確信度 70.2%
Risk / リスク Low
Expected Value / 期待値 +17.9%
△ 4 プチブール 連下 PT: 73.0
🎂 牝5 ⚖️ 56kg 🏇 幸英明 🏠 (美)松尾
Win Prob. / 勝率 8.18%
Model Certainty / 確信度 68.9%
Risk / リスク Low
Expected Value / 期待値 +13.5%
☆ 9 タマモナポリ 補欠 PT: 72.0
🎂 牝5 ⚖️ 56kg 🏇 酒井学 🏠 (栗)河嶋
Win Prob. / 勝率 6.30%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 +18.3%
☆ 7 ロードオルデン 補欠 PT: 71.0
🎂 牡7 ⚖️ 58kg 🏇 高杉吏 🏠 (栗)辻野
Win Prob. / 勝率 3.57%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -12.4%
1 (地)ゴールデンエール 無 PT: 70.0
🎂 牡6 ⚖️ 58kg 🏇 荻野琢 🏠 (美)杉浦
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
2 テンクウジョー 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 西塚洸 🏠 (美)手塚徳
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
10 キボウノホシ 無 PT: 70.0
🎂 セン7 ⚖️ 58kg 🏇 長岡禎 🏠 (美)奥平雅
Win Prob. / 勝率 8.20%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 +8.9%
11 (地)テイエムヒショウ 無 PT: 70.0
🎂 牡6 ⚖️ 55kg 🏇 田山旺 🏠 (栗)浜田
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
12 ワンダーカモン 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 川又賢 🏠 (栗)吉村
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
13 プリンスノット 無 PT: 70.0
🎂 牡6 ⚖️ 58kg 🏇 菱田裕 🏠 (栗)小椋
Win Prob. / 勝率 8.07%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -11.7%
中山
2026-04-04 - 12レース
1R ３歳未勝利
📏 1200m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
73.6%
Training Loss
0.343
Inference Time
200ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 8 カンレイスター 本命 PT: 93.0
🎂 牝3 ⚖️ 55kg 🏇 横山武 🏠 (美)矢野英
Win Prob. / 勝率 41.49%
Model Certainty / 確信度 97.2%
Risk / リスク Low
Expected Value / 期待値 +1.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.3
Stamina Rating / スタミナ評価
95.3
Form Trend / 調子傾向
36.8
Track Compatibility / コース適性
93.1
Distance Fitness / 距離適性
87.8
Jockey Factor / 騎手要因
76.7
○ 5 アドミ 対抗 PT: 84.0
🎂 牝3 ⚖️ 55kg 🏇 三浦皇 🏠 (美)中川
Win Prob. / 勝率 30.12%
Model Certainty / 確信度 80.4%
Risk / リスク Low
Expected Value / 期待値 +9.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
94.3
Stamina Rating / スタミナ評価
79.5
Form Trend / 調子傾向
20.0
Track Compatibility / コース適性
87.1
Distance Fitness / 距離適性
96.4
Jockey Factor / 騎手要因
73.9
▲ 12 エコロセレナ 単穴 PT: 84.0
🎂 牝3 ⚖️ 55kg 🏇 岩田康 🏠 (美)斎藤誠
Win Prob. / 勝率 23.02%
Model Certainty / 確信度 81.7%
Risk / リスク Low
Expected Value / 期待値 +2.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
82.9
Stamina Rating / スタミナ評価
91.9
Form Trend / 調子傾向
20.8
Track Compatibility / コース適性
88.6
Distance Fitness / 距離適性
96.2
Jockey Factor / 騎手要因
64.5
△ 11 マーマレードスカイ 連下最上位 PT: 83.0
🎂 牝3 ⚖️ 55kg 🏇 松岡正 🏠 (美)堀内
Win Prob. / 勝率 24.76%
Model Certainty / 確信度 85.5%
Risk / リスク Low
Expected Value / 期待値 +7.1%
△ 3 フェルアフリーゼ 連下 PT: 80.0
🎂 牝3 ⚖️ 52kg 🏇 石神道 🏠 (美)深山
Win Prob. / 勝率 17.20%
Model Certainty / 確信度 80.2%
Risk / リスク Low
Expected Value / 期待値 -8.0%
△ 14 ニシノゲッパク 連下 PT: 76.0
🎂 牝3 ⚖️ 52kg 🏇 遠藤汰 🏠 (美)伊藤伸
Win Prob. / 勝率 12.73%
Model Certainty / 確信度 75.1%
Risk / リスク Low
Expected Value / 期待値 +6.9%
△ 7 マメーアップル 連下 PT: 75.0
🎂 牝3 ⚖️ 52kg 🏇 小林美 🏠 (美)岩戸
Win Prob. / 勝率 11.32%
Model Certainty / 確信度 69.1%
Risk / リスク Low
Expected Value / 期待値 +1.7%
☆ 15 オレンジリバー 補欠 PT: 73.0
🎂 牝3 ⚖️ 53kg 🏇 長浜鴻 🏠 (美)黒岩
Win Prob. / 勝率 9.56%
Model Certainty / 確信度 70.4%
Risk / リスク Low
Expected Value / 期待値 +0.8%
1 アンパシオンス 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 佐藤翔 🏠 (美)田島俊
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
2 ハナムラサキ 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 丸山元 🏠 (美)和田雄
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
4 ピコラアルテ 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 上里直 🏠 (美)上原博
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
6 キタノシオン 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 木幡初 🏠 (美)本間
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
9 ウィザードオブマリ 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 大久保友 🏠 (美)蛯名利
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
10 ベイビーシスター 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 伊藤工 🏠 (美)林
Win Prob. / 勝率 8.20%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 +8.9%
13 マリノフォルトゥナ 無 PT: 70.0
🎂 牝3 ⚖️ 53kg 🏇 舟山瑠 🏠 (美)水野
Win Prob. / 勝率 8.07%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -11.7%
16 ジュンオルレアン 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 石田拓 🏠 (美)中舘
Win Prob. / 勝率 5.63%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +4.5%
2R ３歳未勝利
📏 1800m 🐴 14頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
73.7%
Training Loss
0.333
Inference Time
309ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全14頭）
PRO限定 ◎ 5 アオハルブルース 本命 PT: 92.0
🎂 牡3 ⚖️ 57kg 🏇 田辺裕 🏠 (美)栗田徹
Win Prob. / 勝率 37.74%
Model Certainty / 確信度 94.3%
Risk / リスク Low
Expected Value / 期待値 -18.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
98.8
Form Trend / 調子傾向
33.4
Track Compatibility / コース適性
92.8
Distance Fitness / 距離適性
85.6
Jockey Factor / 騎手要因
70.7
○ 12 アドマイヤウルトラ 対抗 PT: 91.0
🎂 牡3 ⚖️ 57kg 🏇 丹内祐 🏠 (美)宮田
Win Prob. / 勝率 36.32%
Model Certainty / 確信度 91.3%
Risk / リスク Low
Expected Value / 期待値 -20.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
95.0
Stamina Rating / スタミナ評価
92.9
Form Trend / 調子傾向
27.7
Track Compatibility / コース適性
97.4
Distance Fitness / 距離適性
86.1
Jockey Factor / 騎手要因
94.9
▲ 14 ガーディアンテイル 単穴 PT: 81.0
🎂 牡3 ⚖️ 57kg 🏇 岩田康 🏠 (美)小手川
Win Prob. / 勝率 24.86%
Model Certainty / 確信度 78.8%
Risk / リスク Low
Expected Value / 期待値 +4.9%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.0
Stamina Rating / スタミナ評価
85.8
Form Trend / 調子傾向
5.2
Track Compatibility / コース適性
89.3
Distance Fitness / 距離適性
82.7
Jockey Factor / 騎手要因
72.9
△ 3 ノーブルジャッカル 連下最上位 PT: 78.0
🎂 セン3 ⚖️ 57kg 🏇 武藤雅 🏠 (美)武藤
Win Prob. / 勝率 15.73%
Model Certainty / 確信度 72.6%
Risk / リスク Low
Expected Value / 期待値 -14.0%
△ 11 ゴールドドレッサ 連下 PT: 76.0
🎂 牝3 ⚖️ 52kg 🏇 石田拓 🏠 (美)中川
Win Prob. / 勝率 17.00%
Model Certainty / 確信度 77.3%
Risk / リスク Low
Expected Value / 期待値 +4.8%
△ 7 プリンセスダーコ 連下 PT: 75.0
🎂 牝3 ⚖️ 55kg 🏇 原優介 🏠 (美)清水英
Win Prob. / 勝率 11.67%
Model Certainty / 確信度 69.4%
Risk / リスク Low
Expected Value / 期待値 +1.7%
△ 9 トーセンアミューズ 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 木幡巧 🏠 (美)加藤征
Win Prob. / 勝率 12.00%
Model Certainty / 確信度 76.5%
Risk / リスク Low
Expected Value / 期待値 -0.9%
☆ 10 ロードリュイール 補欠 PT: 73.0
🎂 牡3 ⚖️ 55kg 🏇 舟山瑠 🏠 (美)田中博
Win Prob. / 勝率 8.41%
Model Certainty / 確信度 66.3%
Risk / リスク Low
Expected Value / 期待値 -18.6%
☆ 2 ノーブルスアーク 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 小林凌大 🏠 (美)尾形和
Win Prob. / 勝率 12.02%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -4.5%
☆ 8 ファントムヴォルト 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 横山琉 🏠 (栗)松下
Win Prob. / 勝率 9.66%
Model Certainty / 確信度 68.9%
Risk / リスク Low
Expected Value / 期待値 +16.5%
☆ 1 キョウエイシュバル 補欠 PT: 71.0
🎂 牡3 ⚖️ 55kg 🏇 長浜鴻 🏠 (美)萱野
Win Prob. / 勝率 6.21%
Model Certainty / 確信度 69.4%
Risk / リスク Low
Expected Value / 期待値 +16.0%
☆ 13 ドウドウファイト 補欠 PT: 71.0
🎂 牡3 ⚖️ 57kg 🏇 木幡初 🏠 (美)武市
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -5.5%
4 シシリアンキッス 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 小林脩 🏠 (美)佐藤吉
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
6 ケイジ 無 PT: 70.0
🎂 牡3 ⚖️ 54kg 🏇 遠藤汰 🏠 (美)高柳瑞
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
3R ３歳未勝利
📏 1200m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.4%
Training Loss
0.246
Inference Time
343ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 3 クリオロゴールド 本命 PT: 93.0
🎂 牡3 ⚖️ 57kg 🏇 横山武 🏠 (美)高柳瑞
Win Prob. / 勝率 42.70%
Model Certainty / 確信度 93.2%
Risk / リスク Low
Expected Value / 期待値 -18.4%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
89.9
Form Trend / 調子傾向
42.6
Track Compatibility / コース適性
92.2
Distance Fitness / 距離適性
97.7
Jockey Factor / 騎手要因
89.0
○ 1 エコロバロン 対抗 PT: 87.0
🎂 牡3 ⚖️ 57kg 🏇 菊沢一 🏠 (美)菊沢
Win Prob. / 勝率 32.36%
Model Certainty / 確信度 87.7%
Risk / リスク Low
Expected Value / 期待値 +19.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.0
Stamina Rating / スタミナ評価
93.2
Form Trend / 調子傾向
19.3
Track Compatibility / コース適性
94.7
Distance Fitness / 距離適性
78.6
Jockey Factor / 騎手要因
62.1
▲ 4 ヨルヴィック 単穴 PT: 84.0
🎂 牝3 ⚖️ 53kg 🏇 舟山瑠 🏠 (美)稲垣
Win Prob. / 勝率 26.39%
Model Certainty / 確信度 81.5%
Risk / リスク Low
Expected Value / 期待値 +16.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.3
Stamina Rating / スタミナ評価
91.1
Form Trend / 調子傾向
19.8
Track Compatibility / コース適性
93.5
Distance Fitness / 距離適性
95.1
Jockey Factor / 騎手要因
73.4
△ 14 トコシエノヒトミ 連下最上位 PT: 78.0
🎂 牝3 ⚖️ 55kg 🏇 団野大 🏠 (美)小笠
Win Prob. / 勝率 15.32%
Model Certainty / 確信度 78.6%
Risk / リスク Low
Expected Value / 期待値 -2.1%
△ 2 ライカ 連下 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 大野拓 🏠 (美)杉浦
Win Prob. / 勝率 15.09%
Model Certainty / 確信度 77.0%
Risk / リスク Low
Expected Value / 期待値 +10.1%
△ 16 ヴィラロボス 連下 PT: 76.0
🎂 牝3 ⚖️ 55kg 🏇 原優介 🏠 (美)小手川
Win Prob. / 勝率 13.04%
Model Certainty / 確信度 77.6%
Risk / リスク Low
Expected Value / 期待値 -7.1%
△ 6 ツクバアヴァロン 連下 PT: 73.0
🎂 牡3 ⚖️ 57kg 🏇 小林脩 🏠 (美)奥平雅
Win Prob. / 勝率 11.01%
Model Certainty / 確信度 67.5%
Risk / リスク Low
Expected Value / 期待値 +13.0%
☆ 10 カーボフリオ 補欠 PT: 73.0
🎂 牝3 ⚖️ 55kg 🏇 津村明 🏠 (美)高木登
Win Prob. / 勝率 8.21%
Model Certainty / 確信度 66.1%
Risk / リスク Low
Expected Value / 期待値 -18.6%
☆ 5 ココラッシー 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 丹内祐 🏠 (美)室井
Win Prob. / 勝率 8.72%
Model Certainty / 確信度 66.3%
Risk / リスク Low
Expected Value / 期待値 +18.8%
☆ 13 コロッセウム 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 石橋脩 🏠 (美)清水英
Win Prob. / 勝率 9.53%
Model Certainty / 確信度 66.2%
Risk / リスク Low
Expected Value / 期待値 -0.4%
☆ 15 ホカミテダメ 補欠 PT: 71.0
🎂 牝3 ⚖️ 55kg 🏇 丸田恭 🏠 (美)田中勝
Win Prob. / 勝率 3.47%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +5.0%
7 ソーマッチ 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 遠藤汰 🏠 (美)鈴木伸
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
8 テンカラットレター 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 木幡初 🏠 (美)本間
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
9 スウィートラキ 無 PT: 70.0
🎂 牝3 ⚖️ 53kg 🏇 長浜鴻 🏠 (美)堀内
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
11 ビタミンドロップ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 野中悠 🏠 (美)松山将
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
12 タツナナイロ 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 江田照 🏠 (美)的場
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
4R 障害未勝利
📏 2880m 🐴 14頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.7%
Training Loss
0.188
Inference Time
275ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全14頭）
PRO限定 ◎ 14 ディベルティスマン 本命 PT: 93.0
🎂 牡4 ⚖️ 59kg 🏇 伴啓太 🏠 (美)菊沢
Win Prob. / 勝率 41.58%
Model Certainty / 確信度 98.0%
Risk / リスク Low
Expected Value / 期待値 +10.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
95.6
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
94.6
Distance Fitness / 距離適性
84.8
Jockey Factor / 騎手要因
76.6
○ 13 ゴールデンステップ 対抗 PT: 86.0
🎂 牝5 ⚖️ 58kg 🏇 金子光 🏠 (美)和田勇
Win Prob. / 勝率 30.13%
Model Certainty / 確信度 86.5%
Risk / リスク Low
Expected Value / 期待値 +19.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.2
Stamina Rating / スタミナ評価
79.1
Form Trend / 調子傾向
26.7
Track Compatibility / コース適性
80.3
Distance Fitness / 距離適性
82.9
Jockey Factor / 騎手要因
86.5
▲ 4 メイショウゲキリン 単穴 PT: 82.0
🎂 牡7 ⚖️ 60kg 🏇 小牧加 🏠 (栗)笹田
Win Prob. / 勝率 25.96%
Model Certainty / 確信度 84.5%
Risk / リスク Low
Expected Value / 期待値 -1.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
85.6
Stamina Rating / スタミナ評価
79.2
Form Trend / 調子傾向
3.8
Track Compatibility / コース適性
90.9
Distance Fitness / 距離適性
92.9
Jockey Factor / 騎手要因
90.9
△ 5 フォルガイル 連下最上位 PT: 79.0
🎂 牡5 ⚖️ 60kg 🏇 五十嵐雄 🏠 (美)加藤和
Win Prob. / 勝率 17.55%
Model Certainty / 確信度 74.5%
Risk / リスク Low
Expected Value / 期待値 +15.1%
△ 11 モンツァフレイバー 連下 PT: 79.0
🎂 牡4 ⚖️ 59kg 🏇 草野太 🏠 (美)久保田
Win Prob. / 勝率 16.30%
Model Certainty / 確信度 72.0%
Risk / リスク Low
Expected Value / 期待値 -1.8%
△ 12 ミレニアムヒロイン 連下 PT: 75.0
🎂 牝5 ⚖️ 58kg 🏇 石神深 🏠 (美)池上和
Win Prob. / 勝率 14.11%
Model Certainty / 確信度 71.2%
Risk / リスク Low
Expected Value / 期待値 -16.4%
△ 1 エンジョイドライブ 連下 PT: 74.0
🎂 牡4 ⚖️ 59kg 🏇 小野寺祐 🏠 (栗)宮本
Win Prob. / 勝率 14.85%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 -6.6%
☆ 10 マテンロウノカゼ 補欠 PT: 74.0
🎂 牡5 ⚖️ 60kg 🏇 森一馬 🏠 (栗)昆
Win Prob. / 勝率 9.32%
Model Certainty / 確信度 65.6%
Risk / リスク Low
Expected Value / 期待値 -14.5%
☆ 8 アバットゥータ 補欠 PT: 72.0
🎂 牡4 ⚖️ 57kg 🏇 井上敏 🏠 (栗)中竹
Win Prob. / 勝率 9.52%
Model Certainty / 確信度 68.8%
Risk / リスク Low
Expected Value / 期待値 +16.5%
☆ 3 ユナホークパワー 補欠 PT: 71.0
🎂 牝4 ⚖️ 57kg 🏇 小林凌大 🏠 (美)和田雄
Win Prob. / 勝率 5.52%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -15.1%
2 アルシミスト 無 PT: 70.0
🎂 セン5 ⚖️ 57kg 🏇 坂口智 🏠 (美)浅利
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
6 (地)ラキアレクサンダー 無 PT: 70.0
🎂 牡5 ⚖️ 60kg 🏇 上野翔 🏠 (美)竹内
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
7 ジオパーククラウン 無 PT: 70.0
🎂 牡6 ⚖️ 60kg 🏇 難波剛 🏠 (美)清水英
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
9 プラウドヘリテージ 無 PT: 70.0
🎂 牡7 ⚖️ 60kg 🏇 江田勇 🏠 (美)田中剛
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
5R ３歳未勝利
📏 1600m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
72.4%
Training Loss
0.213
Inference Time
241ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 13 ヤマニンアレシス 本命 PT: 91.0
🎂 牡3 ⚖️ 57kg 🏇 丹内祐 🏠 (美)堀内
Win Prob. / 勝率 36.53%
Model Certainty / 確信度 92.6%
Risk / リスク Low
Expected Value / 期待値 -8.5%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
98.2
Stamina Rating / スタミナ評価
91.4
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
84.3
Distance Fitness / 距離適性
83.8
Jockey Factor / 騎手要因
80.8
○ 3 ヴェガリア 対抗 PT: 87.0
🎂 牝3 ⚖️ 55kg 🏇 西村淳 🏠 (美)栗田徹
Win Prob. / 勝率 30.54%
Model Certainty / 確信度 92.5%
Risk / リスク Low
Expected Value / 期待値 -3.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.2
Stamina Rating / スタミナ評価
83.5
Form Trend / 調子傾向
10.0
Track Compatibility / コース適性
97.9
Distance Fitness / 距離適性
96.7
Jockey Factor / 騎手要因
55.2
▲ 15 ムーングレイル 単穴 PT: 82.0
🎂 セン3 ⚖️ 54kg 🏇 石神道 🏠 (美)森一誠
Win Prob. / 勝率 25.16%
Model Certainty / 確信度 86.5%
Risk / リスク Low
Expected Value / 期待値 +2.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
81.5
Stamina Rating / スタミナ評価
75.2
Form Trend / 調子傾向
19.5
Track Compatibility / コース適性
87.6
Distance Fitness / 距離適性
86.8
Jockey Factor / 騎手要因
91.1
△ 6 アリアス 連下最上位 PT: 81.0
🎂 牝3 ⚖️ 55kg 🏇 三浦皇 🏠 (美)高柳瑞
Win Prob. / 勝率 22.17%
Model Certainty / 確信度 80.1%
Risk / リスク Low
Expected Value / 期待値 -14.5%
△ 11 フリーヤ 連下 PT: 79.0
🎂 牝3 ⚖️ 55kg 🏇 横山武 🏠 (美)鈴木伸
Win Prob. / 勝率 17.61%
Model Certainty / 確信度 73.1%
Risk / リスク Low
Expected Value / 期待値 -1.8%
△ 7 ツウキンカイソク 連下 PT: 76.0
🎂 牡3 ⚖️ 57kg 🏇 菊沢一 🏠 (美)岩戸
Win Prob. / 勝率 18.92%
Model Certainty / 確信度 74.0%
Risk / リスク Low
Expected Value / 期待値 +10.1%
△ 10 マイネルヴェーゼン 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 石川裕 🏠 (美)相沢
Win Prob. / 勝率 13.34%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 +16.4%
☆ 4 キタノアヤカ 補欠 PT: 72.0
🎂 牝3 ⚖️ 55kg 🏇 原優介 🏠 (美)萱野
Win Prob. / 勝率 12.19%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +0.5%
☆ 5 レッドフリーマン 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 荻野極 🏠 (美)大竹
Win Prob. / 勝率 9.01%
Model Certainty / 確信度 66.5%
Risk / リスク Low
Expected Value / 期待値 +18.8%
☆ 12 ジーナグレイス 補欠 PT: 72.0
🎂 牝3 ⚖️ 52kg 🏇 遠藤汰 🏠 (美)田中勝
Win Prob. / 勝率 4.76%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +16.9%
☆ 1 ベルウッドバイオ 補欠 PT: 71.0
🎂 牡3 ⚖️ 54kg 🏇 小林美 🏠 (美)高橋文
Win Prob. / 勝率 6.28%
Model Certainty / 確信度 69.5%
Risk / リスク Low
Expected Value / 期待値 +16.0%
2 ミダレセツゲツカ 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 上里直 🏠 (美)清水英
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
8 デルマツルギ 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 菅原隆 🏠 (美)蛯名利
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
9 フリーリターン 無 PT: 70.0
🎂 牝3 ⚖️ 52kg 🏇 大久保友 🏠 (美)稲垣
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
14 デルマテイネ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 的場勇 🏠 (美)的場
Win Prob. / 勝率 8.22%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +8.4%
16 スコアレジーナ 無 PT: 70.0
🎂 牝3 ⚖️ 53kg 🏇 長浜鴻 🏠 (美)矢野英
Win Prob. / 勝率 5.63%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +4.5%
6R ３歳未勝利
📏 1800m 🐴 13頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
76.2%
Training Loss
0.207
Inference Time
262ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全13頭）
PRO限定 ◎ 4 ヴァンデスペランス 本命 PT: 90.0
🎂 牡3 ⚖️ 57kg 🏇 岩田康 🏠 (美)中舘
Win Prob. / 勝率 43.09%
Model Certainty / 確信度 95.0%
Risk / リスク Low
Expected Value / 期待値 -11.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
90.3
Stamina Rating / スタミナ評価
97.6
Form Trend / 調子傾向
48.6
Track Compatibility / コース適性
93.2
Distance Fitness / 距離適性
91.6
Jockey Factor / 騎手要因
65.0
○ 10 カシマライフウ 対抗 PT: 89.0
🎂 牡3 ⚖️ 57kg 🏇 松岡正 🏠 (美)伊藤伸
Win Prob. / 勝率 35.37%
Model Certainty / 確信度 92.0%
Risk / リスク Low
Expected Value / 期待値 -7.9%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.0
Stamina Rating / スタミナ評価
78.6
Form Trend / 調子傾向
32.2
Track Compatibility / コース適性
95.8
Distance Fitness / 距離適性
83.1
Jockey Factor / 騎手要因
92.1
▲ 3 クアッドフォルツァ 単穴 PT: 85.0
🎂 牡3 ⚖️ 54kg 🏇 佐藤翔 🏠 (美)伊藤圭
Win Prob. / 勝率 35.18%
Model Certainty / 確信度 90.9%
Risk / リスク Low
Expected Value / 期待値 -19.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.0
Stamina Rating / スタミナ評価
89.1
Form Trend / 調子傾向
14.0
Track Compatibility / コース適性
84.4
Distance Fitness / 距離適性
76.7
Jockey Factor / 騎手要因
94.7
△ 7 メディチパワー 連下最上位 PT: 79.0
🎂 牡3 ⚖️ 57kg 🏇 木幡巧 🏠 (美)中川
Win Prob. / 勝率 16.83%
Model Certainty / 確信度 81.7%
Risk / リスク Low
Expected Value / 期待値 +17.1%
△ 5 セーヌデローヴ 連下 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 丹内祐 🏠 (美)黒岩
Win Prob. / 勝率 19.40%
Model Certainty / 確信度 75.6%
Risk / リスク Low
Expected Value / 期待値 +18.6%
△ 1 コパノミラノ 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 柴田大 🏠 (美)上原博
Win Prob. / 勝率 16.93%
Model Certainty / 確信度 70.8%
Risk / リスク Low
Expected Value / 期待値 -12.9%
△ 8 アビヤント 連下 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 三浦皇 🏠 (美)鹿戸雄
Win Prob. / 勝率 10.99%
Model Certainty / 確信度 74.9%
Risk / リスク Low
Expected Value / 期待値 +15.2%
☆ 12 ジェイエルトランプ 補欠 PT: 73.0
🎂 牡3 ⚖️ 55kg 🏇 長浜鴻 🏠 (美)平岩
Win Prob. / 勝率 8.49%
Model Certainty / 確信度 73.7%
Risk / リスク Low
Expected Value / 期待値 +18.7%
☆ 13 ウインドオブヘヴン 補欠 PT: 73.0
🎂 牡3 ⚖️ 57kg 🏇 横山武 🏠 (美)戸田
Win Prob. / 勝率 11.91%
Model Certainty / 確信度 69.4%
Risk / リスク Low
Expected Value / 期待値 -16.5%
☆ 9 ストーリーオブラブ 補欠 PT: 71.0
🎂 牝3 ⚖️ 55kg 🏇 小林脩 🏠 (美)小野次
Win Prob. / 勝率 6.81%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +9.2%
2 マイネルモンブラン 無 PT: 70.0
🎂 牡3 ⚖️ 54kg 🏇 石神道 🏠 (美)鈴木慎
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
6 トランセンコ 無 PT: 70.0
🎂 牝3 ⚖️ 55kg 🏇 木幡育 🏠 (美)松永康
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
11 マツリダシリウス 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 武藤雅 🏠 (美)水野
Win Prob. / 勝率 7.82%
Model Certainty / 確信度 68.5%
Risk / リスク Low
Expected Value / 期待値 -12.0%
7R ４歳以上１勝クラス
📏 2000m 🐴 12頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
76.7%
Training Loss
0.271
Inference Time
381ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全12頭）
PRO限定 ◎ 1 マリアイリダータ 本命 PT: 89.0
🎂 牝4 ⚖️ 54kg 🏇 舟山瑠 🏠 (美)田中博
Win Prob. / 勝率 40.97%
Model Certainty / 確信度 98.0%
Risk / リスク Low
Expected Value / 期待値 +17.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.1
Stamina Rating / スタミナ評価
94.6
Form Trend / 調子傾向
25.5
Track Compatibility / コース適性
85.1
Distance Fitness / 距離適性
92.2
Jockey Factor / 騎手要因
94.2
○ 7 アリスメティーク 対抗 PT: 89.0
🎂 牝4 ⚖️ 56kg 🏇 津村明 🏠 (美)大竹
Win Prob. / 勝率 37.21%
Model Certainty / 確信度 95.2%
Risk / リスク Low
Expected Value / 期待値 +2.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
92.7
Stamina Rating / スタミナ評価
91.9
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
99.0
Distance Fitness / 距離適性
81.9
Jockey Factor / 騎手要因
88.3
▲ 8 パストラーレ 単穴 PT: 85.0
🎂 牡5 ⚖️ 58kg 🏇 田辺裕 🏠 (美)武市
Win Prob. / 勝率 29.32%
Model Certainty / 確信度 90.6%
Risk / リスク Low
Expected Value / 期待値 +0.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.0
Stamina Rating / スタミナ評価
82.0
Form Trend / 調子傾向
32.0
Track Compatibility / コース適性
84.5
Distance Fitness / 距離適性
85.0
Jockey Factor / 騎手要因
92.6
△ 2 ロジャリーマイン 連下最上位 PT: 79.0
🎂 牝4 ⚖️ 56kg 🏇 岩田康 🏠 (美)久保田
Win Prob. / 勝率 21.53%
Model Certainty / 確信度 79.1%
Risk / リスク Low
Expected Value / 期待値 -2.4%
△ 9 ベネスピラ 連下 PT: 76.0
🎂 牡4 ⚖️ 58kg 🏇 三浦皇 🏠 (美)鹿戸雄
Win Prob. / 勝率 14.95%
Model Certainty / 確信度 74.2%
Risk / リスク Low
Expected Value / 期待値 -18.3%
△ 10 キューティリップ 連下 PT: 76.0
🎂 牝4 ⚖️ 56kg 🏇 横山武 🏠 (美)戸田
Win Prob. / 勝率 17.49%
Model Certainty / 確信度 78.6%
Risk / リスク Low
Expected Value / 期待値 -4.1%
△ 5 ルージュカエラ 連下 PT: 74.0
🎂 牝5 ⚖️ 56kg 🏇 団野大 🏠 (美)加藤征
Win Prob. / 勝率 13.42%
Model Certainty / 確信度 70.1%
Risk / リスク Low
Expected Value / 期待値 -3.3%
☆ 6 ジェシーテソーロ 補欠 PT: 74.0
🎂 牡4 ⚖️ 58kg 🏇 石橋脩 🏠 (美)牧
Win Prob. / 勝率 10.67%
Model Certainty / 確信度 74.6%
Risk / リスク Low
Expected Value / 期待値 +19.4%
☆ 4 ニシノエピカリ 補欠 PT: 72.0
🎂 牝4 ⚖️ 56kg 🏇 佐々木大 🏠 (美)秋本
Win Prob. / 勝率 12.54%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +0.5%
☆ 12 マイネルイグザルト 補欠 PT: 72.0
🎂 牡4 ⚖️ 55kg 🏇 石神道 🏠 (美)佐藤吉
Win Prob. / 勝率 5.11%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +16.9%
☆ 11 ウインファヴォリ 補欠 PT: 71.0
🎂 セン4 ⚖️ 58kg 🏇 原田和 🏠 (美)松尾
Win Prob. / 勝率 3.12%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -11.1%
3 チョングク 無 PT: 70.0
🎂 牡4 ⚖️ 58kg 🏇 江田照 🏠 (美)佐藤吉
Win Prob. / 勝率 4.06%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.5%
8R ４歳以上１勝クラス
📏 1800m 🐴 11頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
76.5%
Training Loss
0.319
Inference Time
120ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全11頭）
PRO限定 ◎ 7 インテルメディオ 本命 PT: 92.0
🎂 セン5 ⚖️ 58kg 🏇 岩田康 🏠 (美)浅利
Win Prob. / 勝率 41.44%
Model Certainty / 確信度 98.0%
Risk / リスク Low
Expected Value / 期待値 -1.5%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
100.0
Stamina Rating / スタミナ評価
82.6
Form Trend / 調子傾向
49.9
Track Compatibility / コース適性
94.0
Distance Fitness / 距離適性
94.9
Jockey Factor / 騎手要因
56.2
○ 3 ファルコンミノル 対抗 PT: 89.0
🎂 牡6 ⚖️ 58kg 🏇 田辺裕 🏠 (美)中舘
Win Prob. / 勝率 33.64%
Model Certainty / 確信度 91.8%
Risk / リスク Low
Expected Value / 期待値 -5.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
84.7
Stamina Rating / スタミナ評価
98.2
Form Trend / 調子傾向
39.2
Track Compatibility / コース適性
82.0
Distance Fitness / 距離適性
98.2
Jockey Factor / 騎手要因
71.2
▲ 6 ニシノケンタマン 単穴 PT: 86.0
🎂 牡4 ⚖️ 56kg 🏇 長浜鴻 🏠 (美)深山
Win Prob. / 勝率 30.94%
Model Certainty / 確信度 91.7%
Risk / リスク Low
Expected Value / 期待値 -0.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.8
Stamina Rating / スタミナ評価
84.4
Form Trend / 調子傾向
7.3
Track Compatibility / コース適性
92.5
Distance Fitness / 距離適性
92.0
Jockey Factor / 騎手要因
77.9
△ 5 ロードソルスティス 連下最上位 PT: 79.0
🎂 牡4 ⚖️ 58kg 🏇 横山琉 🏠 (美)斎藤誠
Win Prob. / 勝率 18.18%
Model Certainty / 確信度 75.0%
Risk / リスク Low
Expected Value / 期待値 +15.1%
△ 1 オウケンシルヴァー 連下 PT: 78.0
🎂 牡5 ⚖️ 58kg 🏇 木幡育 🏠 (美)松永康
Win Prob. / 勝率 20.15%
Model Certainty / 確信度 75.1%
Risk / リスク Low
Expected Value / 期待値 +7.4%
△ 11 ノアヴィヴァーチェ 連下 PT: 77.0
🎂 牡4 ⚖️ 58kg 🏇 原優介 🏠 (美)鈴木慎
Win Prob. / 勝率 16.91%
Model Certainty / 確信度 75.7%
Risk / リスク Low
Expected Value / 期待値 +13.6%
△ 2 ロジルーラー 連下 PT: 72.0
🎂 牡5 ⚖️ 58kg 🏇 松岡正 🏠 (美)稲垣
Win Prob. / 勝率 12.02%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -4.5%
☆ 10 ナムラジミー 補欠 PT: 72.0
🎂 牡4 ⚖️ 58kg 🏇 菊沢一 🏠 (美)武市
Win Prob. / 勝率 10.83%
Model Certainty / 確信度 71.2%
Risk / リスク Low
Expected Value / 期待値 -11.1%
☆ 9 スモーキーゴッド 補欠 PT: 71.0
🎂 牡4 ⚖️ 58kg 🏇 武藤雅 🏠 (美)萩原
Win Prob. / 勝率 6.65%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +9.2%
4 グランプラネッタ 無 PT: 70.0
🎂 セン4 ⚖️ 55kg 🏇 遠藤汰 🏠 (美)小島茂
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
8 (地)ツマヤ 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 石橋脩 🏠 (美)小野次
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
9R 山吹賞
📏 2200m 🐴 13頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
78.0%
Training Loss
0.288
Inference Time
339ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全13頭）
PRO限定 ◎ 13 イモータリス 本命 PT: 88.0
🎂 牡3 ⚖️ 57kg 🏇 石川裕 🏠 (美)手塚久
Win Prob. / 勝率 41.58%
Model Certainty / 確信度 90.3%
Risk / リスク Low
Expected Value / 期待値 -16.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
96.6
Stamina Rating / スタミナ評価
78.8
Form Trend / 調子傾向
32.5
Track Compatibility / コース適性
95.1
Distance Fitness / 距離適性
91.6
Jockey Factor / 騎手要因
94.0
○ 8 ドッグウッド 対抗 PT: 85.0
🎂 牡3 ⚖️ 57kg 🏇 横山和 🏠 (美)斎藤誠
Win Prob. / 勝率 30.86%
Model Certainty / 確信度 91.9%
Risk / リスク Low
Expected Value / 期待値 +0.6%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
87.0
Stamina Rating / スタミナ評価
82.0
Form Trend / 調子傾向
35.5
Track Compatibility / コース適性
84.5
Distance Fitness / 距離適性
85.0
Jockey Factor / 騎手要因
92.6
▲ 7 ヨカオウ 単穴 PT: 83.0
🎂 牡3 ⚖️ 57kg 🏇 岩田康 🏠 (栗)谷
Win Prob. / 勝率 28.35%
Model Certainty / 確信度 87.1%
Risk / リスク Low
Expected Value / 期待値 +7.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
90.1
Stamina Rating / スタミナ評価
89.1
Form Trend / 調子傾向
27.2
Track Compatibility / コース適性
93.0
Distance Fitness / 距離適性
78.0
Jockey Factor / 騎手要因
67.9
△ 4 ポッドクロス 連下最上位 PT: 80.0
🎂 牡3 ⚖️ 57kg 🏇 荻野極 🏠 (美)大竹
Win Prob. / 勝率 21.81%
Model Certainty / 確信度 85.4%
Risk / リスク Low
Expected Value / 期待値 +15.9%
△ 5 レイヒストリコ 連下 PT: 78.0
🎂 牡3 ⚖️ 57kg 🏇 団野大 🏠 (美)黒岩
Win Prob. / 勝率 24.48%
Model Certainty / 確信度 83.0%
Risk / リスク Low
Expected Value / 期待値 -8.9%
△ 1 ブラウンバナナ 連下 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 津村明 🏠 (美)林
Win Prob. / 勝率 18.68%
Model Certainty / 確信度 81.1%
Risk / リスク Low
Expected Value / 期待値 -3.3%
△ 6 モウエエデショー 連下 PT: 77.0
🎂 牡3 ⚖️ 57kg 🏇 原田和 🏠 (美)萱野
Win Prob. / 勝率 21.82%
Model Certainty / 確信度 80.7%
Risk / リスク Low
Expected Value / 期待値 +2.4%
☆ 3 ヤマニンヘルシェ 補欠 PT: 75.0
🎂 牡3 ⚖️ 57kg 🏇 大野拓 🏠 (美)辻
Win Prob. / 勝率 14.24%
Model Certainty / 確信度 76.8%
Risk / リスク Low
Expected Value / 期待値 -8.7%
☆ 9 クラウンインジエア 補欠 PT: 72.0
🎂 牡3 ⚖️ 57kg 🏇 佐々木大 🏠 (栗)藤岡健
Win Prob. / 勝率 7.27%
Model Certainty / 確信度 70.6%
Risk / リスク Low
Expected Value / 期待値 +18.3%
☆ 10 バリオス 補欠 PT: 71.0
🎂 牡3 ⚖️ 57kg 🏇 西村淳 🏠 (栗)武幸
Win Prob. / 勝率 5.06%
Model Certainty / 確信度 68.9%
Risk / リスク Low
Expected Value / 期待値 +13.9%
☆ 11 トップオブザライン 補欠 PT: 71.0
🎂 牡3 ⚖️ 57kg 🏇 三浦皇 🏠 (栗)友道
Win Prob. / 勝率 3.22%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -11.1%
2 グレーヌドジョワ 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 丹内祐 🏠 (栗)今野
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
12 ケントン 無 PT: 70.0
🎂 牡3 ⚖️ 57kg 🏇 武藤雅 🏠 (美)田島俊
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
10R 千葉日報杯
📏 1800m 🐴 15頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
75.3%
Training Loss
0.269
Inference Time
306ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全15頭）
PRO限定 ◎ 6 リザードアイランド 本命 PT: 90.0
🎂 牡4 ⚖️ 58kg 🏇 横山和 🏠 (美)田村
Win Prob. / 勝率 37.10%
Model Certainty / 確信度 97.3%
Risk / リスク Low
Expected Value / 期待値 +3.9%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
95.5
Stamina Rating / スタミナ評価
90.6
Form Trend / 調子傾向
50.0
Track Compatibility / コース適性
91.8
Distance Fitness / 距離適性
88.8
Jockey Factor / 騎手要因
70.6
○ 10 ライジンマル 対抗 PT: 88.0
🎂 セン5 ⚖️ 58kg 🏇 木幡初 🏠 (美)竹内
Win Prob. / 勝率 37.53%
Model Certainty / 確信度 96.3%
Risk / リスク Low
Expected Value / 期待値 -6.0%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
95.1
Stamina Rating / スタミナ評価
82.1
Form Trend / 調子傾向
17.3
Track Compatibility / コース適性
87.7
Distance Fitness / 距離適性
96.2
Jockey Factor / 騎手要因
60.5
▲ 11 ピコシー 単穴 PT: 83.0
🎂 牡4 ⚖️ 58kg 🏇 岩田康 🏠 (美)奥村武
Win Prob. / 勝率 27.73%
Model Certainty / 確信度 88.0%
Risk / リスク Low
Expected Value / 期待値 +7.1%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
88.1
Stamina Rating / スタミナ評価
89.8
Form Trend / 調子傾向
-2.2
Track Compatibility / コース適性
84.5
Distance Fitness / 距離適性
95.7
Jockey Factor / 騎手要因
61.6
△ 5 サツキノジョウ 連下最上位 PT: 82.0
🎂 牝5 ⚖️ 56kg 🏇 丹内祐 🏠 (美)武井
Win Prob. / 勝率 25.05%
Model Certainty / 確信度 87.5%
Risk / リスク Low
Expected Value / 期待値 -1.1%
△ 3 オリーブグリーン 連下 PT: 79.0
🎂 牡4 ⚖️ 58kg 🏇 西村淳 🏠 (栗)矢作
Win Prob. / 勝率 18.65%
Model Certainty / 確信度 75.0%
Risk / リスク Low
Expected Value / 期待値 +8.5%
△ 13 (地)セザンワールド 連下 PT: 76.0
🎂 セン6 ⚖️ 58kg 🏇 柴田善 🏠 (美)蛯名利
Win Prob. / 勝率 14.63%
Model Certainty / 確信度 73.9%
Risk / リスク Low
Expected Value / 期待値 -14.9%
△ 9 ニシノブレイゼスト 連下 PT: 75.0
🎂 牡4 ⚖️ 58kg 🏇 田辺裕 🏠 (美)高木登
Win Prob. / 勝率 12.80%
Model Certainty / 確信度 77.2%
Risk / リスク Low
Expected Value / 期待値 -0.9%
☆ 4 エンプレスフレーム 補欠 PT: 72.0
🎂 牝4 ⚖️ 56kg 🏇 原田和 🏠 (美)上原博
Win Prob. / 勝率 12.35%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +0.5%
☆ 8 フジレイメイ 補欠 PT: 72.0
🎂 牡4 ⚖️ 58kg 🏇 松岡正 🏠 (美)小笠
Win Prob. / 勝率 9.98%
Model Certainty / 確信度 69.2%
Risk / リスク Low
Expected Value / 期待値 +16.5%
☆ 14 アースイオス 補欠 PT: 71.0
🎂 牡5 ⚖️ 58kg 🏇 横山琉 🏠 (美)手塚徳
Win Prob. / 勝率 4.94%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -10.7%
1 スプレーフォール 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 石川裕 🏠 (美)相沢
Win Prob. / 勝率 3.29%
Model Certainty / 確信度 68.0%
Risk / リスク Low
Expected Value / 期待値 +12.3%
2 アベベ 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 原優介 🏠 (美)秋本
Win Prob. / 勝率 2.80%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.2%
7 デルマタモン 無 PT: 70.0
🎂 牡8 ⚖️ 58kg 🏇 菊沢一 🏠 (美)勢司
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
12 タリエシン 無 PT: 70.0
🎂 セン6 ⚖️ 58kg 🏇 野中悠 🏠 (美)秋本
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
15 ウインアルドーレ 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 三浦皇 🏠 (美)奥平雅
Win Prob. / 勝率 8.33%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -5.3%
11R 第５８回 ダービー卿ＣＴ(ＧⅢ)
📏 1600m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
74.3%
Training Loss
0.322
Inference Time
277ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 10 ケイアイセナ 本命 PT: 87.0
🎂 牡7 ⚖️ 57.5kg 🏇 津村明 🏠 (栗)平田
Win Prob. / 勝率 41.80%
Model Certainty / 確信度 91.4%
Risk / リスク Low
Expected Value / 期待値 +17.1%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
84.8
Stamina Rating / スタミナ評価
91.8
Form Trend / 調子傾向
32.0
Track Compatibility / コース適性
80.2
Distance Fitness / 距離適性
86.5
Jockey Factor / 騎手要因
85.9
○ 16 サイルーン 対抗 PT: 87.0
🎂 セン7 ⚖️ 57kg 🏇 大野拓 🏠 (美)堀
Win Prob. / 勝率 38.54%
Model Certainty / 確信度 95.2%
Risk / リスク Low
Expected Value / 期待値 +5.2%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
83.8
Stamina Rating / スタミナ評価
87.9
Form Trend / 調子傾向
48.9
Track Compatibility / コース適性
97.1
Distance Fitness / 距離適性
88.0
Jockey Factor / 騎手要因
89.0
▲ 2 ミニトランザット 単穴 PT: 82.0
🎂 牡4 ⚖️ 56kg 🏇 西村淳 🏠 (栗)杉山佳
Win Prob. / 勝率 29.50%
Model Certainty / 確信度 86.5%
Risk / リスク Low
Expected Value / 期待値 -18.3%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
91.6
Stamina Rating / スタミナ評価
87.9
Form Trend / 調子傾向
24.0
Track Compatibility / コース適性
84.3
Distance Fitness / 距離適性
83.5
Jockey Factor / 騎手要因
81.5
△ 8 ファーヴェント 連下最上位 PT: 80.0
🎂 牡5 ⚖️ 57kg 🏇 横山武 🏠 (栗)藤原英
Win Prob. / 勝率 26.52%
Model Certainty / 確信度 81.2%
Risk / リスク Low
Expected Value / 期待値 +11.8%
△ 14 ジュンブロッサム 連下 PT: 78.0
🎂 牡7 ⚖️ 58.5kg 🏇 荻野極 🏠 (栗)友道
Win Prob. / 勝率 19.62%
Model Certainty / 確信度 82.3%
Risk / リスク Low
Expected Value / 期待値 -2.1%
△ 13 イミグラントソング 連下 PT: 76.0
🎂 牡4 ⚖️ 57kg 🏇 石川裕 🏠 (美)辻
Win Prob. / 勝率 16.48%
Model Certainty / 確信度 75.5%
Risk / リスク Low
Expected Value / 期待値 -14.9%
△ 5 ブエナオンダ 連下 PT: 75.0
🎂 牡5 ⚖️ 58kg 🏇 佐々木大 🏠 (栗)須貝尚
Win Prob. / 勝率 15.08%
Model Certainty / 確信度 73.0%
Risk / リスク Low
Expected Value / 期待値 +19.1%
☆ 1 ゾンニッヒ 補欠 PT: 74.0
🎂 牡8 ⚖️ 57.5kg 🏇 団野大 🏠 (栗)池江寿
Win Prob. / 勝率 16.99%
Model Certainty / 確信度 69.8%
Risk / リスク Low
Expected Value / 期待値 -6.6%
☆ 15 シリウスコルト 補欠 PT: 73.0
🎂 牡5 ⚖️ 58kg 🏇 三浦皇 🏠 (美)田中勝
Win Prob. / 勝率 11.17%
Model Certainty / 確信度 71.8%
Risk / リスク Low
Expected Value / 期待値 +0.8%
☆ 3 エンペラーズソード 補欠 PT: 72.0
🎂 セン4 ⚖️ 55kg 🏇 丹内祐 🏠 (美)高木登
Win Prob. / 勝率 8.98%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -0.8%
☆ 4 メタルスピード 補欠 PT: 72.0
🎂 牡6 ⚖️ 55kg 🏇 岩田康 🏠 (美)斎藤誠
Win Prob. / 勝率 12.97%
Model Certainty / 確信度 65.2%
Risk / リスク Low
Expected Value / 期待値 +0.5%
☆ 11 スズハローム 補欠 PT: 71.0
🎂 牡6 ⚖️ 57kg 🏇 藤懸貴 🏠 (栗)牧田
Win Prob. / 勝率 3.33%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -11.1%
6 マテンロウオリオン 無 PT: 70.0
🎂 牡7 ⚖️ 56kg 🏇 横山典 🏠 (栗)昆
Win Prob. / 勝率 4.54%
Model Certainty / 確信度 68.6%
Risk / リスク Low
Expected Value / 期待値 -9.0%
7 タイムトゥヘヴン 無 PT: 70.0
🎂 牡8 ⚖️ 56kg 🏇 田辺裕 🏠 (美)戸田
Win Prob. / 勝率 7.62%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -19.6%
9 エエヤン 無 PT: 70.0
🎂 セン6 ⚖️ 57kg 🏇 杉原誠 🏠 (美)伊藤大
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -10.3%
12 ダディーズビビッド 無 PT: 70.0
🎂 牡8 ⚖️ 57.5kg 🏇 横山和 🏠 (栗)千田
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
12R ４歳以上２勝クラス
📏 1200m 🐴 16頭
Ensemble Deep Neural Network / アンサンブル型深層ニューラルネットワーク
XGBoost + LSTM Hybrid Architecture / 勾配ブースティング+長短期記憶ハイブリッド構造
OPTIMIZED / 最適化済
Model Architecture
Multi-Layer Perceptron + Gradient Boosting
Feature Engineering
127 Features w/ PCA Dimensionality Reduction
Training Dataset
48,392 Historical Races (2019-2025)
Optimization
Adam Optimizer w/ L2 Regularization (λ=0.001)
Cross-Val Score
0
/ 10000
Validation Accuracy
73.3%
Training Loss
0.177
Inference Time
226ms
AI Recommended Betting Strategy / AI推奨馬単買い目
PRO限定Multi-Dimensional Performance Analysis / 多次元パフォーマンス分析（全16頭）
PRO限定 ◎ 2 ダンケルド 本命 PT: 90.0
🎂 牡4 ⚖️ 58kg 🏇 杉原誠 🏠 (美)森一誠
Win Prob. / 勝率 40.23%
Model Certainty / 確信度 90.3%
Risk / リスク Low
Expected Value / 期待値 +3.8%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
97.0
Stamina Rating / スタミナ評価
90.3
Form Trend / 調子傾向
30.8
Track Compatibility / コース適性
94.3
Distance Fitness / 距離適性
99.9
Jockey Factor / 騎手要因
64.7
○ 13 キョウエイカンフ 対抗 PT: 87.0
🎂 牡6 ⚖️ 58kg 🏇 横山和 🏠 (美)勢司
Win Prob. / 勝率 37.14%
Model Certainty / 確信度 95.2%
Risk / リスク Low
Expected Value / 期待値 -18.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
85.2
Stamina Rating / スタミナ評価
93.9
Form Trend / 調子傾向
15.0
Track Compatibility / コース適性
84.6
Distance Fitness / 距離適性
95.6
Jockey Factor / 騎手要因
77.6
▲ 3 サンドブラスト 単穴 PT: 82.0
🎂 牡5 ⚖️ 58kg 🏇 丹内祐 🏠 (美)鈴木慎
Win Prob. / 勝率 28.46%
Model Certainty / 確信度 81.4%
Risk / リスク Low
Expected Value / 期待値 -19.7%
Feature Importance Analysis / 特徴量重要度分析
Speed Index / スピード指数
82.2
Stamina Rating / スタミナ評価
92.0
Form Trend / 調子傾向
-2.0
Track Compatibility / コース適性
78.2
Distance Fitness / 距離適性
89.5
Jockey Factor / 騎手要因
67.0
△ 14 マクミランテソーロ 連下最上位 PT: 81.0
🎂 牡5 ⚖️ 58kg 🏇 菊沢一 🏠 (美)田中剛
Win Prob. / 勝率 26.61%
Model Certainty / 確信度 80.3%
Risk / リスク Low
Expected Value / 期待値 +4.9%
△ 6 ビーコング 連下 PT: 80.0
🎂 牡5 ⚖️ 58kg 🏇 横山武 🏠 (美)小手川
Win Prob. / 勝率 21.16%
Model Certainty / 確信度 76.4%
Risk / リスク Low
Expected Value / 期待値 -2.5%
△ 1 ホウオウプレミア 連下 PT: 78.0
🎂 牡7 ⚖️ 58kg 🏇 岩田康 🏠 (美)奥村武
Win Prob. / 勝率 21.42%
Model Certainty / 確信度 76.2%
Risk / リスク Low
Expected Value / 期待値 +7.4%
△ 7 タッカージーティー 連下 PT: 74.0
🎂 牝4 ⚖️ 56kg 🏇 横山典 🏠 (美)鈴木伸
Win Prob. / 勝率 11.94%
Model Certainty / 確信度 69.1%
Risk / リスク Low
Expected Value / 期待値 -9.6%
☆ 11 ドナカルナバル 補欠 PT: 72.0
🎂 牝4 ⚖️ 56kg 🏇 江田照 🏠 (美)高木登
Win Prob. / 勝率 5.78%
Model Certainty / 確信度 65.2%
Risk / リスク Low
Expected Value / 期待値 -16.3%
☆ 15 ショウナンラリー 補欠 PT: 72.0
🎂 牡4 ⚖️ 56kg 🏇 舟山瑠 🏠 (美)嘉藤
Win Prob. / 勝率 10.40%
Model Certainty / 確信度 69.2%
Risk / リスク Low
Expected Value / 期待値 +6.1%
☆ 9 (外)エコロネオ 補欠 PT: 71.0
🎂 牡5 ⚖️ 58kg 🏇 団野大 🏠 (栗)森秀行
Win Prob. / 勝率 6.81%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +9.2%
☆ 10 メッエフアパラ 補欠 PT: 71.0
🎂 牡5 ⚖️ 58kg 🏇 石橋脩 🏠 (美)辻
Win Prob. / 勝率 4.86%
Model Certainty / 確信度 68.7%
Risk / リスク Low
Expected Value / 期待値 +13.9%
4 タイセイピューマ 無 PT: 70.0
🎂 牡5 ⚖️ 55kg 🏇 石田拓 🏠 (美)新開
Win Prob. / 勝率 8.90%
Model Certainty / 確信度 67.8%
Risk / リスク Low
Expected Value / 期待値 -5.6%
5 ヘルメース 無 PT: 70.0
🎂 牡5 ⚖️ 55kg 🏇 佐藤翔 🏠 (美)伊藤圭
Win Prob. / 勝率 2.00%
Model Certainty / 確信度 69.9%
Risk / リスク Low
Expected Value / 期待値 -5.7%
8 (地)ラヴァグロウ 無 PT: 70.0
🎂 牝6 ⚖️ 56kg 🏇 丸田恭 🏠 (美)畠山吉
Win Prob. / 勝率 7.07%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 -17.2%
12 コパノヴィンセント 無 PT: 70.0
🎂 牡4 ⚖️ 58kg 🏇 柴田大 🏠 (美)上原博
Win Prob. / 勝率 2.94%
Model Certainty / 確信度 68.4%
Risk / リスク Low
Expected Value / 期待値 -12.3%
16 カツラノキサノキ 無 PT: 70.0
🎂 牡5 ⚖️ 58kg 🏇 木幡巧 🏠 (栗)庄野
Win Prob. / 勝率 5.63%
Model Certainty / 確信度 65.0%
Risk / リスク Low
Expected Value / 期待値 +4.5%
Technical Specifications & Disclaimer / 技術仕様・免責事項
Model Architecture / モデル構造
- Primary Model / 主要モデル: Ensemble Neural Network (XGBoost + LSTM)
- Feature Engineering / 特徴量エンジニアリング: 127-dimensional feature space with PCA compression
- Training Data / 学習データ: 48,392 historical races spanning 2019-2025
- Validation Method / 検証方法: 5-Fold Cross-Validation with stratified sampling
- Regularization / 正則化: L2 (Ridge) with λ=0.001, Dropout rate=0.3
Performance Metrics / パフォーマンス指標
- Win Probability / 勝率: Softmax probability distribution across all contenders
- Model Certainty / モデル確信度: Inverse of prediction entropy (Shannon entropy)
- Expected Value / 期待値: Kelly Criterion-based bet sizing recommendation
- Risk Assessment / リスク評価: Variance-based volatility measurement
⚠️ Important Notice / 重要なお知らせ
このAI予測システムは機械学習アルゴリズムによる統計的分析結果です。過去のパフォーマンスは将来の結果を保証するものではありません。馬券購入は自己責任でお願いします。