k-fold cross validation(k折交叉验证)是机器学习中最为常用的训练方法之一，下列关于k折交叉检验以及其和bias-variance之间的关系说法错误的是（）
当k较小的时候，模型过拟合的程度一般较低，此时bias较大
当k较小的时候，模型过拟合的程度一般较低，此时variance较小
当k较大的时候，可以学习到更加符合数据分布的模型，此时Bias较大
当k较大的时候，模型更容易过拟合，此时variance较大
