逻辑回归用于机器写诗上的缺点

逻辑回归模型主要用于二分类或多分类问题，其本质是一个分类器。在机器写诗任务中，逻辑回归模型存在以下缺点：

1. 逻辑回归模型只能进行分类，无法生成新的文本。机器写诗需要生成符合诗歌特征的语言文本，而逻辑回归模型只能判断输入文本属于哪个类别，无法生成新的文本。

2. 逻辑回归模型无法捕捉语言的复杂结构和规律。诗歌有一定的韵律、节奏和押韵规律，这些规律难以用简单的线性分类器进行建模。

3. 逻辑回归模型对于输入特征的要求较高，需要提取出能够有效区分不同类别的特征。但是在机器写诗任务中，有效特征往往是非常抽象和主观的，很难通过特征工程的方式提取出来。

因此，逻辑回归模型不适合用于机器写诗任务。机器写诗需要使用更加复杂的深度学习模型和自然语言处理技术，如循环神经网络、生成对抗网络等。