常用的机器学习和人工智能方法包括神经网络、支持向量机、决策树等。常用的数据挖掘方法包括关联规则挖掘、分类与预测、聚类分析等。
股票期货交易中的数据分析与挖掘方法有很多，以下是一些常用的方法：
1. 技术分析：技术分析主要关注股票或期货的价格走势和成交量等指标，通过图表和技术指标来预测未来的市场走势。常用的技术分析方法包括趋势线分析、移动平均线分析、相对强弱指标分析等。
2. 基本面分析：基本面分析关注企业或市场的基本经济指标，如财务报表、市场供需关系等，通过分析这些指标来预测股票或期货的价值和发展趋势。
3. 市场情绪分析：市场情绪分析主要通过分析市场参与者的情绪和行为来预测市场走势。常用的市场情绪分析方法包括新闻分析、社交媒体舆情分析等。
4. 机器学习和人工智能：机器学习和人工智能技术可以通过对大量历史数据的分析和学习，找到隐藏的模式和规律，进而预测未来的股票或期货走势。常用的机器学习和人工智能方法包括神经网络、支持向量机、决策树等。
5. 时间序列分析：时间序列分析主要通过对历史数据的时间模式进行分析来预测未来的股票或期货走势。常用的时间序列分析方法包括ARIMA模型、指数平滑法等。
6. 数据挖掘：数据挖掘技术可以通过对大量数据的挖掘和分析，发现其中的关联规则和趋势，进而预测股票或期货的走势。常用的数据挖掘方法包括关联规则挖掘、分类与预测、聚类分析等。
以上提到的方法只是股票期货交易中数据分析与挖掘的一些常见方法，实际应用中需要根据具体情况选择合适的方法，并结合其他因素进行综合分析和决策。