标准化之后，利用正负3倍标准差识别异常值

发现异常值主要关注于数据的偏离和分布特性。针对选项，这里逐一分析各项方法对发现异常值的帮助：

A: **减去均值，并除以标准差**
这种方法是标准化的一种形式，计算的是Z分数（Z-score）。将数据转换为标准正态分布后，可以通过查看Z分数来识别异常值，通常以绝对值超过某个阈值（如2或3）来判断。因此，这种方法对于发现异常值是有帮助的。

B: **梯度下降法**
梯度下降法主要用于优化问题，尤其是机器学习中的参数优化。它不用于发现异常值，因此在检测异常值方面没有直接帮助。

C: **相关性分析**
相关性分析用于衡量两个变量之间的关系强度和方向，主要用于特征选择和了解数据之间的关系。它不直接用于检测异常值。

D: **归一化处理**
归一化处理将数据缩放到一个特定区间（如0到1），主要用于消除量纲对距离计算的影响，方便模型处理。虽然归一化后异常值也存在，但其本身不用于主动发现异常值。

综上所述，**A: 减去均值，并除以标准差** 是一种有效的方法来发现异常值，因为它直接涉及标准化过程中的偏差识别。