Ce încercăm să prezicem?

Care dintre aceste câmpuri (sau coloane) reprezintă valoarea pe care încercăm să o prezicem?

Acest exercițiu face parte din cursul

Feature Engineering cu PySpark

Din coloanele listate mai sus, identifică-o pe cea pe care o vom folosi ca variabilă dependentă $Y$ .
Folosind setul de date încărcat df, filtrează-l pentru a păstra doar variabila dependentă cu select(). Stochează acest dataframe în variabila Y_df.
Afișează statistici sumare pentru variabila dependentă aplicând describe() pe Y_df și apelând show() pentru a le vizualiza.

Încearcă acest exercițiu completând acest cod de exemplu.

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

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