梯度下降法中，loss值无法收敛

新手小白在机器学习中用梯度下降法实现逻辑回归的时候，发现损失值loss一直将不下来，上下浮动，如下图所示：

后来尝试了很多改进方法都不对，我一直都在尝试更改学习模型的迭代次数，学习速率，但是忽略了数据集本身的问题，我采用的数据集特征较多且每个特征值下对应的数据值浮动较大，导致了梯度下降法实现过程中求解最优解的速度很慢。而且精度也不高，在做了数据归一化之后，损失值如下：

由于迭代次数较小，所以损失值的曲线弯的不明显，但很显然，在做了数据归一化之后，损失值收敛了。这也显示了数据归一化在数据处理中的重要性，下次遇到这样无法收敛的情况，可以从数据处理的角度出发来解决问题，问题不一定出现在学习模型上面。
关于为什么要做数据归一化和归一化方法可参考以下链接：
http://www.cnblogs.com/LBSer/p/4440590.html