我还没有看到任何标准模型有效且神经网络完全失败的数据集。

对于包含结构化数据的柱状数据（例如 Excel 文件/数据库转储/CSV 文件），通常基于树的模型（如随机森林和梯度提升）效果更好，但神经网络通常也比随机更好。

如果您要求其他事情，例如对决定的解释，那么贝叶斯模型可能会给您带来更轻松的时间。或者对于基线/简单实现线性模型。或者对于实时应用程序...

如果我正确理解您的问题，您是在询问是否存在功能数据集，这些数据集没有基于神经网络的经过验证的解决方案，可以提供相当高的准确性。

有很多这样的问题，我们有大量的数据，问答就是这样的事情，你仍然不能设计一个神经网络架构来阅读整个数学原理然后完成定理，点云处理也是一个很大的问题考虑到高度不规则的数据结构，神经网络的障碍，即使你对点云进行体素化，在其上训练大型卷积网络也是不可行的。（在这个方向上也有快速的进展，点云处理）。

geoffrey Hinton 在 3 年前的一次 AMA 中提到，我们将在未来五年内看到基于视频回答问题的神经网络，但仍然视频问题回答似乎离现在的技术还很远。

图数据集也是神经网络研究仍处于起步阶段的领域之一（请参阅http://www.inference.vc/how-powerful-are-graph-convolutions-review-of-kipf-welling-2016-2/）