神经网络关于训练集数据量越大，效果越好的误解

之前一直想不通为什么训练集为什么一直需要越大越好？通常来说，训练喂的数据越多，预测应该越好吧。最好，用交叉验证确认一下也有可能训练样本量大，数据特征较多，但网络层次太少，特征训练不充分，预测结果变差，这样才对啊。随着慢慢的学习，数据量越大效果越好，这前提是网络提取特征能力不能太差，效果的好坏是有多方面因素的。多方面因素我还没理解透每一方面具体的体现。如有不正确的，还望指教。嘻嘻，学无止境啊。