对于一个样本,如果当前权重能够正确判断其类型,就惩罚当前权重。A. 对B. 错

在机器学习中，特别是对于分类问题，权重的调整是为了提高模型的预测准确性。如果当前权重能够正确判断样本的类型，那么通常不会惩罚这些权重，而是保持它们或根据需要进行微调。惩罚权重通常是在模型预测错误时进行的，目的是通过调整权重来减少错误率。因此，如果当前权重能够正确判断样本类型，就不应该惩罚这些权重。