Wat voorspellen we?

Welke van deze velden (of kolommen) is de waarde die we proberen te voorspellen?

Deze oefening maakt deel uit van de cursus

Feature Engineering met PySpark

Bepaal uit de bovenstaande kolommen welke we gebruiken als onze afhankelijke variabele $Y$ .
Gebruik de geladen gegevensset df en filter deze naar onze afhankelijke variabele met select(). Sla deze dataframe op in de variabele Y_df.
Toon samenvattende statistieken voor de afhankelijke variabele met describe() op Y_df en roep show() aan om het weer te geven.

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Select our dependent variable
Y_df = df.____([____])

# Display summary statistics
Y_df.____().____()