固定资产投资价格指数是我国价格指数体系的重要组成部分,是反映全社会、国民经济各门类及各类工程固定资产投资中涉及的各类投资品和收费项目价格的变动趋势和变动幅度重要统计指标,在反映固定资产投资需求和国民经济核算方面发挥重要作用。现行固定资产投资价格统计制度存在一些局限性,难以适应我国经济社会日新月异的发展需求;同时,大数据时代的来临,大数据技术的运用对政府统计带来了较大的挑战和机遇,固定资产投资价格统计制度改革势在必行。根据国家统计局统计改革规划安排,2017年将实施固定资产投资价格统计调查制度改革。本文参照现行的固定资产投资价格指数的方法制度,将网络大数据和现有的调查数据相结合,用Python和MySQL进行网络数据的爬取与存储,获取材料费、机械使用费和人工费用数据。用DBSCAN(密度聚类)方法从样本本身特征出发识别异常值,避免网络采集数据分类不严格、差异性较大的问题,形成同质可比的价格数据来计算规格品指数。用随机森林文本分类方法把采集的数据按照需要的类别进行归类,再用随机森林算法训练出分类模型,从而把采集数据纳入规格品目录进行指数计算。最后构建固定资产投资价格指数计算模型,采用Lowe指数和Young指数计算出材料费、机械使用费和人工费用的价格指数,并与国家统计局公布的数据进行比较,从而确保数据采集、处理和指数计算的合理性和科学性。