在感知机模型中，误分类点是指那些被错误分类的样本点。感知机的决策函数为 \( f(x) = \text{sign}(wx + b) \)，其中 \( w \) 是权重向量，\( b \) 是偏置，\( x \) 是输入向量。

对于一个样本点 \((x_i, y_i)\)，其中 \( y_i \) 是真实的类别标签（通常取值为 +1 或 -1），我们可以通过以下条件判断该点是否被误分类：

- 如果样本点被正确分类，应该满足 \( y_i(wx_i + b) > 0 \)。
- 如果样本点被误分类，则满足 \( y_i(wx_i + b) \leq 0 \)。

因此，误分类点的判断条件是 \( y_i(wx_i + b) < 0 \)，即选项 C。

### 专业分析：
- **选项 A**（\( wx + b = 0 \)）表示样本点正好位于决策边界上，但不能说明是否误分类。
- **选项 B**（\( y(wx+b) > 0 \)）表示样本点被正确分类。
- **选项 C**（\( y(wx+b) < 0 \)）是误分类的条件，因为此时样本点的预测结果与真实标签相反。
- **选项 D**（\( wx + b > 0 \)）只表示样本点在超平面的一侧，无法直接判断是否误分类，因为没有考虑真实标签 \( y \)。

综上所述，正确答案是 C。