2026-05-20 賽事回顧 NS

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	103	-	671	671
Q	-	87.5	87.5	1020.5	1020.5
pQ	-	98	273	422	422

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	12	|3	1P	1P|1P	1W	2W	2W	3/7	3	輕2
2	12	|2	-	1W|2W	1P	1P	1P	0/4	-	-
3	12	|	-	1P|2Q	2W	3T	3T	1/5	-	-
4	12	1|2	-	1W|2W	1W	1W	-	3/7	-	輕2R3
5	12	|2	1W	1P|-	-	1W	1P	1/3	-	重3
6	12	|	-	-	2P	1P	1P	0/1	3	-
7	12	|2	1P	1P|1P	1P	1P	-	1/4	1	-
8	12	1|2	1W	3T|1W	2Q	3T	3T	2/7	-	-
9	12	|2	1P	-	-	-	1P	0/4	-	-

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-05-17 賽事回顧 SN

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	456	-
Q	197	193.5	-	157.5	896
pQ	390	188	259	390	470

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	14	|2	-	2Q|2P	-	-	1P	2/5	-	重3
2	14	1|2	2Q	2P|1P	1W	-	-	2/3	1	-
3	14	|1	2W	1W|1W	-	1P	1P	0/4	-	重3
4	14	1|2	1P	1P|2Q	1P	-	-	1/4	1	輕1
5	14	|1	-	2Q|-	2W	3T	2P	0/2	-	-
6	14	|	1W	1W|-	1W	2W	2Q	3/5	1	-
7	14	3|1	-	-|1P	1P	2Q	1P	2/6	-	-
8	14	|2	1P	-|2Q	1W	1P	1P	1/5	-	輕1重3
9	14	1|1	-	1P|-	2W	1P	1P	2/5	3	-
10	14	|1	-	2P|1P	1P	1P	1P	3/7	2	-
11	14	1|	-	1W|-	1P	1P	2W	1/3	-	-

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-05-13 賽事回顧 M

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	175	-
Q	132.5	57	444	149.5	149.5
pQ	135.5	26	229.5	290	81.5

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	12	1|2	1W	1W|1P	-	-	-	0/5	-	重1,2
2	12	|1	1P	1P|1P	2W	3T	2Q	2/7	1	-
3	9	|	2Q	2Q|1P	2W	2W	2W	1/3	-	-
4	12	1|3	1P	-|1W	2Q	1P	1P	1/6	-	輕3
5	9	|	2Q	1P|1P	2Q	2Q	2Q	2/5	-	-
6	12	|1	-	1W|1P	1P	1P	1P	1/6	-	-
7	12	|	1W	1P|-	-	-	-	1/3	-	-
8	12	1|2	2P	1P|1P	1P	2W	1P	3/6	2	輕1
9	11	1|2	1P	1P|1P	1P	2P	1P	2/9	-	-

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-05-09 賽事回顧 S

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	-	-
Q	95	-	77	172	589
pQ	37	223	171.5	69.5	194.5

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	10	|1	1P	1P|-	-	-	-	-	-	-
2	12	|1	1W	2P|3T	2Q	2Q	1P	2/5	2	重3
3	14	|3	-	1P|1P	1W	1W	1W	2/5	-	重2
4	14	1|2	-	1P1P	2P	1P	1P	1/4	-	-
5	12	|	-	2P|-	1P	1P	1P	1/5	-	重3
6	14	|1	-	1P|1W	1W	1W	1W	2/7	-	重1
7	14	2|3	1P	-|1W	1W	1W	-	0/3	2	-
8	12	|1	-	1P|-	1W	1W	1P	0/1	-	-
9	14	1|3	-	-	1W	1W	2Q	1/4	-	重2
10	14	|2	2Q	1P|1P	2W	2Q	1W	1/3	1	-
11	12	1|2	-	1W|1W	1P	1P	1P	2/4	-	-

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-05-06 賽事回顧

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	-	-
Q	-	-	68.5	236	236
pQ	-	32.5	114.5	220.5	87

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	14	|	-	1P|2W	1P	1W	1P	2/4	-	-
2	12	|2	1W	1P|1P	1P	1P	1P	2/5	2	-
3	12	1|2	-	-|1W	1W	1W	1W	1/3	1	-
4	11	2|2	1P	1W|1P	1W	1W	1W	2/4	-	-
5	12	2|2	-	2W|2P	-	2Q	2Q	2/4	-	-
6	13	2|3	1P	1W|1W	-	-	-	2/5	-	重2
7	12	|2	1W	-|1P	2P	2P	1P	0/4	3	重3
8	14	1|2	1W	1W|1W	1W	2W	1P	1/5	1	-
9	12	|3	-	1P|1W	2Q	2Q	2Q	0/2	2	重2

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-05-03 賽事回顧

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	-	-
Q	-	70.5	273	-	-
pQ	185.5	64.5	96	148.5	272.5

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	14	1|1	1P	-|1P	1P	1P	1P	2/3	-	-
2	14	|1	-	1P|1P	-	-	2W	2/3	-	-
3	14	1|2	1P	1P|1P	2Q	2P	2P	1/5	-	重2
4	14	1|1	-	1P|1P	-	-	2P	3/4	3	-
5	14	1|2	2P	2P|2P	1P	1P	2W	2/5	2	重3
6	7	|	-	-	-	-	-	-	-	馬少
7	14	|2	1P	1P|1W	1W	1W	1W	0/1	-	重1
8	11	|1	1P	1W|1P	1W	1W	-	1/4	2	-
9	11	1|1	2P	1W|1P	1P	2P	1P	2/6	-	重2
10	14	|	-	2Q|1W	1W	1W	1P	1/2	-	輕1
11	14	1|1	2P	1P|1P	-	-	1P	2/2	3	-

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)

2026-04-29 賽事回顧 C

投注類別|回報	C45	AI	加權模式	非加權模式	排序
T	1674	-	-	-	-
Q	1146.5	-	210.5	210.5	210.5
pQ	706.5	172.5	164.5	106	357

隻數入四名和最佳成績類別(F,T,Q,W,P), 選中過關或開跑時有10賠以上而上名

場次	隻數|路數:	開跑飛	C45	AI	M加權	N1年	S排序	上賽飛	均	備註
1	12	|2	3T	-	1P	1P	2P	2/8	-	重3
2	12	|1	1W	1W|-	1W	1W	-	1/7	-	重1輕2,3
3	12	|	-	-|1P	-	-	1P	2/6	-	-
4	12	2|2	2W	2P|1P	2W	2W	2W	2/5	2	-
5	12	|1	-	2P|1P	2Q	2Q	2Q	2/7	2	-
6	12	|	2Q	1P|1P	-	-	-	1/3	-	重1
7	12	1|3	1P	2P|1P	-	-	-	2/4	-	輕2
8	12	1|1	-	1P|-	2Q	2Q	2Q	1/3	3	-
9	12	|2	-	1W|1P	2W	1W	1W	1/1	-	輕3

2,3

	註解:
1.	上名馬開跑時馬會報有沒有落獨嬴飛的隻數,獨嬴綠格連嬴啡格以上
2.	C45決策樹(加權)頭3名入圍馬數目和最佳成績類別,圓圈是加權,方格是沒有加權
3.	AI(神經網路)頭3名入圍馬數目和最佳成績類別kr = google keras tensorflow| db = meta pytorch tensor
4.	加權模式頭3名入圍馬數目和最佳成績類別
5.	模式頭3名入圍馬數目和最佳成績類別
6.	排序頭3名入圍馬數目和最佳成績類別
7.	頭3名入圍馬獨嬴比上次出賽時熱超過30%的隻數
8.	最佳平均速上名
T	3隻的單T派彩總額(未計成本)
Q	3隻互穿的連嬴派彩總額(未計成本)
pQ	3隻互穿的位置Q派彩總額(未計成本)