逻辑回归算法的缺点有

逻辑回归算法的缺点主要包括以下几点：

1. 它不适用于非线性问题：逻辑回归算法假设数据是线性可分的，因此对于非线性问题，它的表现并不好。

2. 对于多重共线性的数据，逻辑回归可能会出现问题：多重共线性是指数据中存在高度相关的自变量，这种情况下，逻辑回归的估计可能不准确。

3. 对于异常值敏感：逻辑回归对于异常值比较敏感，如果数据中存在异常值，可能会导致模型的表现不稳定。

4. 需要大量的样本数据支持：逻辑回归需要大量的样本数据来支持模型的训练，否则模型的表现会比较差。

5. 无法处理非平衡数据集：如果数据集中不同类别的样本数量差别很大，那么逻辑回归模型会倾向于预测数量更多的那一类。