是的，这是常识。每次向模型添加参数时，都需要为其提供更多数据，以便它能够像更简单的模型一样学习。神经网络中的每个权重都是一个参数。权重越多，参数越多，需要的数据就越多。

模型构建的基本任务之一是在有足够的参数来学习精细细节和有足够的数据来训练所有这些参数之间找到一个很好的权衡。太多的参数会导致过度拟合，部分原因是如果你没有足够的数据，你最终会记住单个案例，而不是学习并平均分布在多个案例中。

这是阶级不平衡成为问题的原因之一。如果您没有关于其中一个类的足够数据，那么模型将很难理解该类。