电商数据纳入CPI计算是目前亟待解决的一个大问题,由于食品数据有不同于其它品类数据的一系列特性,电商食品CPI计算的研究属于目前CPI计算缺失的一个方面。为了研究大数据背景下电商食品CPI指数的计算,本文通过对京东到家14个大中城市约一亿条订单数据的统计挖掘,计算出了代表14个大中城市食品消费价格水平变动情况的电商食品价格指数。对促进电商数据纳入CPI的计算有很大的借鉴意义。文中食品价格指数计算采用机器学习与传统价格指数计算结合的方法。主要分为两部分:第一部分为数据准备阶段,鉴于电商食品大数据的数据量大和电商数据数据噪声非常大的特点,本文研究花费大量的精力研究电商食品数据的统计挖掘。首先结合一篮子商品列表词典和干扰词典进行模式匹配,准确识别出不同类别的食品数据和无效数据初次剔除,完成数据预处理;其次,用Logistic算法和支持向量机训练无效数据识别模型,然后用随机森林和AdaBoost算法进行肉类数据分类模型训练,比较不同的模型效果选择最优模型完成无效数据二次剔除和肉类数据的分类,最后对肉类数据进行数据转换。第二部分为消费者价格指数计算,首先以商品代码为基本分类的项目区分标准,计算项目内的单位价格,接着用Jevons价格指数公式计算基本分类的初级价格指数。接着以国家统计局公布的消费支出为权数计算各高层级价格指数。将电商食品价格指数和国家统计局公布食品价格指数做对比分析,最后分析电商食品价格指数的应用场景,对后续价格指数权数的调整也进行了理论介绍。