港馬捉路

2026年9月13日星期日

2026-09-13 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	539.5	-	-	-	-
pQ	145	438.5	210.5	441.5	74

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\|3	-	2W\|-	-	-	-	2/8	-	重2
2	13	1\|1	-	1W\|-	1W	1W	-	1/6	-	-
3	14	1\|2	-	2P\|1P	2W	2W	1P	1/3	3	輕1
4	14	\|1	2Q	1P\|-	1P	2W	-	1/8	-	-
5	14	2\|	1W	2W\|-	-	-	2W	2/6	-	重1
6	14	1\|	-	2P\|2P	1P	1P	1P	0/2	-	-
7	14	\|1	1P	1P\|-	1P	1P	-	1/4	-	-
8	14	\|	1P	1P\|1P	2P	1P	1P	1/1	-	-
9	14	1\|	1W	1W\|-	1P	-	-	2/3	-	重2,3
10	14	\|	1P	1W\|-	-	-	-	1/2	-	輕1

	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年9月9日星期三

2026-09-09 賽事回顧 AN

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	1074	-	-	-
Q	-	574.5	224	908.5	334
pQ	-	583	129	306	132

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	-	3T\|1P	1P	2Q	1W	0/6	-	輕1
2	10	\|	1W	1P\|1P	1W	1P	1P	1/2	-	-
3	12	\|	1P	1P\|-	-	1P	1P	1/4	-	-
4	11	\|2	-	1W\|1P	1W	1W	1W	3/6	-	輕1
5	12	2\|3	1P	2W\|1W	-	1P	-	1/5	-	-
6	12	1\|3	1P	1P\|1W	2P	2Q	2Q	0/4	-	-
7	12	\|1	1P	2W\|1W	2Q	2Q	2Q	2/4	-	-
8	12	\|	1P	1P\|2P	1P	1W	1W	0/4	1	輕1

	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年9月6日星期日

2026-09-06 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	331	126.5	-	-	-
pQ	129	54	-	54.5	65.5

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\|2	1P	1W\|1P	-	-	-	2/7	1	-
2	11	1\|1	1W	1W\|1P	1W	2W	1P	3/6	-	輕3
3	6	\|	-	-	-	-	-	-	-	馬少
4	14	1\|	1P	2Q\|-	1P	1P	1P	1/4	-	重2
5	14	1\|2	-	-\|2Q	1W	1W	2W	2/4	-	-
6	14	1\|2	2Q	-	-	1P	1P	1/1	1	輕3
7	9	1\|1	-	1P\|1P	-	-	1P	0/3	-	-
8	14	1\|3	2Q	1W\|2W	1W	1W	1W	0/5	-	輕3
9	11	1\|1	-	1W\|1P	1W	1W	-	3/6	-	輕2
10	13	\|2	1W	-\|2Q	-	-	-	0/3	-	輕3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年7月15日星期三

2026-07-15 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	391.5	-	-	-	400.5
pQ	121.5	35	-	99.5	132.5

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	\|3	1W	1P\|1P	-	1W	-	3/8	2	-
2	12	\|	1P	-	1P	2P	2P	2/6	2	-
3	12	\|1	-	-1W\|1W	-	-	-	1/6	2	重3
4	12	\|1	1P	-\|1W	1P	1P	1P	1/3	-	輕3
5	12	\|	-	2P\|-	1W	2W	2Q	0/6	2	-
6	12	\|2	-	1P\|1P	1W	-	1W	1/5	-	-
7	12	1\|1	1P	-	-	-	1W	2/10	-	-
8	11	1\|1	2Q	-	1W	1P	1P	2/5	-	-
9	12	\|2	1W	1P\|1W	-	-	1P	3/6	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年7月12日星期日

2026-07-12 賽事回顧 A

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	-	-
Q	508.5	298	-	-	-
pQ	154	1078.5	-	77	253

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\|2	-	2Q\|1P	1P	1P	2P	1/3	-	-
2	14	1\|3	1W	1P\|1P	1W	2W	2P	2/9	-	-
3	14	1\|1	-	1W\|2W	1P	1P	1P	2/4	-	-
4	14	1\|1	-	-	1P	-	1P	3/5	3	-
5	14	\|3	-	1P\|2W	1P	1P	-	2/6	3	-
6	14	1\|2	1W	1P\|1W	1P	2W	2W	2/5	3	重1
7	14	\|	1P	-\|1W	1W	-	-	0/3	1	-
8	14	1\|1	2Q	-	1P	1P	2P	1/5	-	R1,輕2,3
9	14	\|2	-	1P\|1P	1P	-	1P	-	-	重2
10	14	1\|3	-	1P\|1P	-	1P	-	1/3	-	-
11	14	\|	1P	2P\|	-	-	1P	0/2	-	-

	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年7月8日星期三

2026-07-08 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	167.5	48	-	167.5	167.5
pQ	237	23.5	97	224.5	224.5

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	\|2	2Q	1P\|1P	1P	2Q	2Q	1/4	1	R3
2	12	1\|1	1W	-\|1P	1W	1P	1P	3/7	1	-
3	12	\|2	-	-	1P	2P	2P	1/5	-	輕2,3
4	8	\|	1W	1W\|2P	2P	2P	2P	0/3	2	輕2
5	12	2\|2	1P	-\|1P	-	-	-	2/4	-	輕1重2
6	12	1\|	2P	2Q\|-	1W	1W	1W	2/3	-	重2
7	12	1\|	1P	1P\|1W	1P	1P	1P	0/5	-	-
8	12	2\|3	-	1W\|1P	-	-	-	2/3	-	輕2
9	12	1\|2	-	1P\|-	1P	1P	1P	1/2	-	-

	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年7月4日星期六

2026-07-04 賽事回顧 N

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	131	-	-
Q	22	-	188	1013.5	227
pQ	13.5	52	279	493	127

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	\|	2Q	1P\|1P	1P	2Q	2Q	2/3	-	-
2	12	\|	-	2W\|1P	1P	1P	1P	3/8	3	-
3	12	\|2	-	1P\|-	2W	2W	2P	1/6	-	-
4	7	\|	-	-	-	-	-	2/3	3	輕2重3,馬少
5	14	\|	1W	1W\|1P	1W	-	1P	2/6	-	輕3重2
6	12	1\|	1P	1W\|-	-	1P	1P	0/1	-	-
7	12	1\|1	-	-\|1P	3T	2P	-	2/6	1	-
8	14	\|1	-	-\|1W	1P	2Q	2Q	1/4	2	-
9	12	\|1	-	-\|2Q	1W	2Q	1W	1/4	-	-
10	12	1\|	-	1P\|1P	2Q	2Q	1P	0/1	-	輕3
11	14	\|1	1W	-	1W	1W	1W	1/6	1	重1

	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年6月27日星期六

2026-06-27 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	-	210.5	-	-	-
pQ	246	171	96.5	96.5	45.5

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	2\|3	2P	1P\|-	-	-	-	1/3	1	重2
2	14	\|2	2P	2Q\|2W	1W	1W	1W	2/3	-	重2
3	14	1\|2	-	-	1P	1P	-	0/1	-	-
4	14	1\|	-	1W\|-	2P	2P	1P	0/2	3	-
5	14	2\|3	-	-\|1P	1W	1P	1P	2/8	-	-
6	14	\|2	-	-	-	-	-	3/5	-	重3
7	14	\|2	1P	2W\|1P	1P	-	1P	1/2	3	重3
8	14	2\|2	1P	2Q\|1P	1P	1P	1P	3/7	-	輕2
9	14	2\|2	-	1P\|-	-	-	-	2/4	1	-
10	14	\|2	2W	1W\|1W	1W	1W	1W	1/1	-	重3輕2
11	14	\|	-	2P\|2P	2P	2P	2P	1/3	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年6月24日星期三

2026-06-24 賽事回顧 MSNA

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	210	-	-	-
Q	-	286	1055	569	547
pQ	173.5	227	556	401	637.5

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	\|2	1W	1W\|-	2Q	1W	2Q	2/6	-	重1
2	12	\|2	1P	-\|1W	-	1W	2W	1/6	-	輕1
3	12	1\|	1P	1P\|2Q	2Q	2Q	2W	2/5	-	輕3
4	12	1\|3	1P	1P\|1P	2W	2W	1P	1/2	-	重3
5	12	\|3	1W	-\|1W	2Q	2Q	2Q	1/6	-	重2
6	12	\|	2W	-\|1P	-	-	1W	1/3	-	-
7	12	2\|2	-	1P\|1P	2P	2P	1P	0/3	-	-
8	12	1\|2	2W	1P\|1W	2Q	2Q	1P	1/2	-	輕2,3
9	12	\|	1P	3T\|1P	2P	2P	1P	0/2	-	-

	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年6月21日星期日

2026-06-21 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	78	48.5	144.5	144.5	429.5
pQ	35	23.5	64.5	299.5	327

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	\|3	1P	1P\|1P	-	-	2Q	1/4	-	-
2	14	1\|2	1P	1W\|1P	-	1W	-	2/3	-	-
3	14	1\|3	1P	1P\|3T	2Q	2Q	1W	1/3	-	-
4	14	\|	1W	2Q\|1W	-	1W	2Q	0/1	1	-
5	14	\|3	2Q	1P\|1P	2Q	2Q	2W	2/5	-	-
6	14	\|1	1W	-	1P	2W	-	1/4	1	-
7	10	\|	1P	1W\|1W	1W	1W	2Q	1/3	-	-
8	13	\|1	1P	-	1P	1P	1P	1/6	-	重2
9	12	\|3	1P	1W\|-	1W	1W	2W	3/9	1	-
10	14	1\|1	1W	1P\|2W	1P	1P	1P	1/3	2	-
11	14	1\|1	1P	-	1W	-	-	0/5	3	重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年6月13日星期六

2026-06-13 賽事回顧 AS

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	-	-	-
Q	-	363.5	43	43	578.5
pQ	-	925	278.5	115.5	183.5

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	7	\|	-	-	-	-	-	-	-	馬少
2	12	\|	-	2Q\|2P	1P	1P	1P	2/4	3	-
3	14	\|2	-	-	1P	2P	2Q	1/7	-	-
4	14	\|1	1W	2W\|2P	2P	1P	1P	1/3	-	重1
5	12	\|1	-	-	2W	1P	-	1/3	-	-
6	14	1\|2	-	2P\|2P	1P	-	1P	2/4	-	重1輕2
7	12	\|3	1W	2Q\|-	2Q	2Q	2Q	2/5	-	重2
8	10	1\|2	1P	-	1P	1P	-	1/5	-	-
9	12	1\|1	-	2W\|-	-	-	1P	1/1	-	-
10	14	1\|1	-	1W\|-	-	1W	-	0/3	-	-
11	14	\|2	-	2Q\|2P	2W	1W	1W	0/1	-	重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年6月10日星期三

2026-06-10 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	-	-	47.5	47.5	964
pQ	128.5	64.5	289	119.5	334

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	1P	1P\|2P	1P	1P	1P	2/5	-	重2
2	11	\|	1W	-\|1P	2Q	2Q	2Q	2/4	-	-
3	12	2\|3	-	-\|1P	1P	1W	-	2/10	-	-
4	12	\|	1W	1W\|1W	1P	1P	1P	1/4	2	-
5	12	1\|2	1P	1P\|-	2P	1P	1P	2/5	-	重3
6	12	1\|	2P	2P\|1P	2W	2W	2W	0/2	-	-
7	12	1\|3	1W	1P\|1P	1W	1P	2Q	1/6	-	輕2
8	12	\|1	-	1W\|-	1P	1P	-	1/2	-	輕1,2
9	12	1\|	2P	1P\|1P	2P	2P	1P	1/3	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年6月7日星期日

2026-06-07 賽事回顧 A

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	413	-	-	-
Q	-	397	-	98.5	-
pQ	-	296.5	-	82.5	42.5

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\|1	1W	1W\|1W	1W	1W	-	3/4	1	-
2	14	1\|3	-	1P\|1P	1P	2P	2P	2/5	-	-
3	12	\|3	-	1P\|2W	1P	1P	1P	2/5	-	重1,3
4	14	\|3	1P	1W\|-	-	-	1W	3/8	-	-
5	14	\|	-	1P\|-	-	1P	-	0/7	-	重1
6	14	\|1	1P	-\|1W	1W	1W	1P	0/3	-	-
7	12	\|	1P	3T\|1P	1P	-	1P	2/4	3	-
8	14	\|3	-	1W\|2Q	1P	1P	1P	0/3	-	重2
9	12	\|3	-	2Q\|1P	1P	1P	-	2/4	3	重3
10	12	\|	1W	-	1W	1W	1W	1/3	-	-
11	14	\|1	1W	-\|1W	1P	2Q	1W	0/5	-	-

	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年6月3日星期三

2026-06-03 賽事回顧 MAS

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	-	1657	-	-
Q	-	855	668	281.5	760.5
pQ	92	348.5	807	178.5	377.5

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	\|2	1W	2Q\|1P	3T	1W	2Q	1/6	3	-
2	12	3\|3	1W	1P\|1P	1W	1W	-	2/3	-	重2
3	12	3\|3	2P	1P\|1P	1P	1P	2P	1/5	-	重3
4	12	1\|3	1P	-	-	1W	1P	2/5	3	-
5	12	\|	2W	2P\|1P	1P	2W	2W	2/3	-	重3
6	12	\|2	1W	-\|1P	1P	2Q	2Q	2/2	-	重1,3
7	12	1\|3	-	1W\|-	1P	-	-	2/5	-	輕1,2
8	11	1\|1	1P	2Q\|-	1P	2Q	1P	1/2	2	輕1,2
9	12	\|1	1W	2W\|-	2W	2W	2W	1/2	3	重1

	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年5月31日星期日

2026-05-31 賽事回顧

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	371	-	-	-
Q	-	144	-	-	59
pQ	162	193.5	51	51	320.5

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\|	2P	1P\|1P	1P	1P	1P	1/2	-	-
2	14	\|1	-	-\|2W	1P	1P	1P	1/4	-	-
3	14	\|2	-	1W\|2Q	1W	1W	1W	0/2	-	-
4	14	1\|2	-	-\|1P	1P	1P	1P	2/11	-	-
5	14	\|1	1P	1P\|1P	2W	2W	1P	1/1	1	-
6	14	\|	-	1P\|2W	1W	1W	-	2/5	-	重3
7	9	\|2	-	-\|1P	-	-	1P	1/3	-	-
8	14	\|1	-	1P\|-	1P	1P	1P	1/2	-	-
9	10	\|2	2W	-\|1W	1W	1W	2P	3/6	-	-
10	14	1\|2	1W	3T\|1W	1P	1P	2P	3/7	-	-
11	14	1\|1	1P	1W\|-	1P	1P	2Q	2/4	2	R1

	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年5月27日星期三

2026-05-27 賽事回顧

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	303	-	-	-	-
Q	77.5	259	-	-	-
pQ	212	93	-	-	66.5

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	2\|2	-	1P\|1W	-	1P	-	2/9	2	重3
2	12	\|3	-	1W\|-	-	-	-	1/3	-	-
3	12	\|1	3T	1P\|2Q	1P	1P	2P	2/3	-	重2
4	12	\|1	1W	-\|2Q	-	1W	1W	2/4	-	輕2
5	10	\|2	1W	-\|2W	1W	1W	1W	2/2	3	-
6	12	\|1	1P	1P\|1P	-	-	-	1/2	-	-
7	12	\|	-	2Q\|1W	1P	1P	-	1/5	-	重1
8	12	1\|2	1P	1P\|1P	1P	1P	1P	2/3	1	-
9	12	\|1	1P	1W\|1W	-	-	1P	0/3	1	-

	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年5月24日星期日

2026-05-24 賽事回顧 AM

投注類別\|回報	C45	AI	加權模式	非加權模式	排序
T	-	582	254	-	140
Q	-	771.5	326.5	-	245
pQ	-	440	406.5	55	273.5

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	\|2	-	3T\|1W	1P	1P	2P	2/8	3	-
2	14	1\|1	-	2W\|2W	1W	1W	-	2/5	-	-
3	14	1\|1	-	-	1P	1W	1W	0/3	1	重1
4	14	\|	-	1W\|1W	1W	1W	1W	2/6	1	-
5	14	1\|	1P	2Q\|-	2Q	1W	-	0/3	1	重1
6	14	1\|1	-	1W\|1W	1P	1P	1P	0/3	-	-
7	14	1\|	1W	-\|2W	-	-	-	0/3	-	輕3
8	9	\|1	1W	1W\|2P	3T	2W	2Q	0/2	-	R2
9	11	\|2	-	1P\|1P	2W	2W	3T	2/7	1	-
10	14	1\|1	-	1P\|1P	-	-	1W	1/4	-	重3輕2
11	14	\|	1P	1P\|1P	1P	1P	1P	0/1	3	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年5月20日星期三

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年5月17日星期日

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年5月13日星期三

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)

訂閱：文章 (Atom)

搜尋此網誌

2026年9月13日 星期日

2026年9月9日 星期三

2026年9月6日 星期日

2026年7月15日 星期三

2026年7月12日 星期日

2026年7月8日 星期三

2026年7月4日 星期六

2026年6月27日 星期六

2026年6月24日 星期三

2026年6月21日 星期日

2026年6月13日 星期六

2026年6月10日 星期三

2026年6月7日 星期日

2026年6月3日 星期三

2026年5月31日 星期日

2026年5月27日 星期三

2026年5月24日 星期日

2026年5月20日 星期三

2026年5月17日 星期日

2026年5月13日 星期三

2026年9月13日星期日

2026年9月9日星期三

2026年9月6日星期日

2026年7月15日星期三

2026年7月12日星期日

2026年7月8日星期三

2026年7月4日星期六

2026年6月27日星期六

2026年6月24日星期三

2026年6月21日星期日

2026年6月13日星期六

2026年6月10日星期三

2026年6月7日星期日

2026年6月3日星期三

2026年5月31日星期日

2026年5月27日星期三

2026年5月24日星期日

2026年5月20日星期三

2026年5月17日星期日

2026年5月13日星期三