Автоматическая процедура выбора комбинации векторов с наилучшей прогнозирующей мощностью

Question

У меня есть матрица с временными рядами из 23 элементов (Var01-Var23), Growth и Year (см. Приведенные ниже данные). Тогда я хотел бы знать, какая группа химических элементов останавливает рост моих деревьев.

Когда я сопоставляю каждый отдельный элемент с переменной growth, результаты очень низкие. Но когда я вычисляю mean всех элементов и сопоставляю его с переменной growth, увеличение корреляции. Или когда я сопоставляю рост с mean выбранных элементов, корреляция возрастает еще больше (например, среднее значение Var02, Var04 и Var09 - Var13). У меня есть данные нескольких деревьев, тогда мне нужен какой-то скрипт для автоматизации моих вычислений, потому что на данный момент я делаю это вручную.

# Example: 
# My data 
data <- read.delim("clipboard") 

# Correlation with Mean of all variables (r= -0.64) 
cor.test(data$growth, rowMeans(data[,3:25])) 

# Correlation with Mean of seven variables (r= -0.65) 
cor.test(data$growth, rowMeans(data[,c(4,6,11:15)])) 

На основе PCA и Hierarchical кластерного анализа я играл в вычислить корреляцию между growth и mean некоторыми элементами (со всеми возможными комбинациями группы элементов). В этот момент моя корреляция увеличилась, уменьшилась, когда я добавил еще один элемент или наоборот. Дополнительный, я коррелировал growth со всеми переменными, и я выбрал только первые высококоррелированные элементы, но это не совсем то, что я хочу.

Я хотел бы знать точное сочетание элементов, чтобы иметь самую высокую корреляцию с переменной growth.

Я видел аналогичные расчеты с функцией strip.rwl() пакета dplR. Эта функция отбрасывает все временные ряды, которые не способствуют улучшению некоторой корреляции (EPS). Эта функция дает вам точные переменные, имеющие самую высокую корреляцию между рядами.

Похоже, но я хотел бы знать, что представляет собой точная комбинация переменных, которые дают мне наилучший mean, чтобы вычислить самую высокую корреляцию с ростом?

Есть ли функция для расчета этого или вы можете дать мне какое-то направление?

данных:

year growth var01 var02 var03 var04 var05 var06 var07 var08 var09 var10 var11 var12 var13 var14 var15 var16 var17 var18 var19 var20 var21 var22 var23 
2015 0.7355 -1.5093 -0.4718 0.4724 -1.2182 1.2762 2.1297 -0.3869 2.5204 0.5939 0.4910 -0.6156 -0.7688 -0.7586 -1.3430 2.0780 -1.5219 -1.2929 -0.6673 -1.2759 -1.3003 -1.1383 -1.0050 -1.0538 
2014 1.0499 -1.5731 -0.8291 0.3671 -1.2009 1.2957 1.5425 -0.5630 1.3536 1.9637 0.4473 -0.5620 -0.6266 -0.6508 -1.4364 1.5605 -1.6061 -0.9849 -0.4060 -1.4001 -0.5928 -0.9355 -0.9086 -1.1744 
2013 0.3023 -1.3480 -0.9086 1.0562 -1.4676 1.6038 1.6197 -0.9654 0.8675 -0.5802 0.3953 -0.6743 -1.2814 -0.9289 -1.7962 1.6508 -1.6769 -1.2483 -0.4202 -1.7725 -0.5117 -0.8456 -1.1292 -1.1822 
2012 0.4691 -1.4137 -1.3467 0.8196 -0.9280 1.5524 1.6472 -0.6955 1.2168 0.3453 0.4625 -0.4587 -0.8154 -0.4288 -1.8088 1.5263 -1.5974 -1.2437 -0.6041 -1.9023 -0.4178 -0.7794 -1.0962 -1.4127 
2011 1.5789 -1.3981 -0.9584 1.1080 -1.5778 1.3515 1.4592 -1.2458 1.2315 -0.8985 0.3111 -0.7732 -1.5045 -1.3703 -1.8152 1.4385 -1.5522 -1.3145 -0.5637 -1.7576 -0.8766 -1.0122 -1.5530 -1.3255 
2010 1.2607 -1.3424 -0.8443 1.1052 -1.1118 1.3660 1.3892 -1.0938 1.2785 -0.9152 0.3842 -0.4285 -0.5272 -0.5904 -1.7213 1.4067 -1.4321 -0.2067 -0.3469 -1.7433 -0.1480 -0.2845 -0.7672 0.7892 
2009 -0.5909 -0.7340 -0.5030 0.1297 -0.9245 1.3174 1.2938 -0.4455 1.0780 -0.5008 0.3727 -0.3743 -0.6238 -0.6003 -1.8261 1.3141 -0.9217 -0.3761 -0.4310 -1.8382 -0.3053 -0.5241 -0.7800 0.2114 
2008 -0.6983 -1.1673 -0.1231 0.5825 -1.2651 1.6569 1.3955 -0.7211 0.9760 -0.7845 0.3861 0.0815 -0.3776 -0.6394 -1.7565 1.4102 -1.1523 -0.4078 -0.3300 -1.8786 -0.4062 -0.4016 -0.4600 -0.0071 
2007 0.1183 -1.3682 -0.9443 -0.0971 -1.3220 1.3293 1.2750 -0.8371 1.0943 -1.0089 0.3398 -0.4498 -1.2298 -1.2716 -1.6478 1.3486 -1.3283 -0.7784 -0.2968 -1.5428 -0.1280 -0.7084 -0.9944 -0.5956 
2006 0.5534 -1.2314 -0.7071 -0.7115 -1.2178 1.0437 1.1603 -0.8700 1.0272 -0.7154 0.3785 -0.7280 -0.8290 -0.7931 -1.4326 1.2680 -1.2664 -1.1744 -0.3001 -1.2794 -0.2198 -0.3347 -0.7982 -0.8576 
2005 -0.1290 -0.6186 -0.7554 -0.8953 -0.7179 0.8193 1.2671 0.0563 1.1459 -0.3939 0.5788 -0.4018 -0.4051 -0.0909 -0.3482 1.1628 -0.6649 -0.5135 -0.1499 -0.5293 1.7077 1.3397 -0.5928 -0.3255 
2004 -1.3960 -0.7433 3.3826 0.0168 0.6878 2.3632 2.0095 1.4930 1.1984 1.6115 0.9325 6.0082 3.4345 4.0293 -0.7450 1.8678 -1.1456 1.7131 -0.0351 -0.8672 -1.1172 0.6631 1.9708 1.3615 
2003 -1.2024 -1.1421 1.4662 0.1289 -0.2702 1.5784 1.8177 0.4645 1.0738 0.3043 0.6369 0.1920 0.5853 0.6188 -0.9899 1.7807 -1.1835 0.8453 -0.3640 -0.8570 -0.2409 -0.7386 0.7062 0.1594 
2002 -1.2695 -1.2228 -0.7048 -0.5232 -0.6171 1.9463 1.6148 0.2365 0.7777 1.1024 0.6519 0.3360 0.8234 0.8263 -0.7476 1.6094 -1.3752 1.7203 -0.2869 -0.9334 0.3433 0.2585 0.9249 0.3958 
2001 2.2805 -2.0591 -0.8628 -3.9804 -1.5726 0.1381 0.5142 -0.6226 0.3808 -1.2949 0.7876 -0.5202 -0.4475 -0.2446 -1.7901 0.7399 -2.4933 0.4975 0.3481 -1.8721 2.6124 2.2446 -0.6788 0.8185 
2000 1.2243 -0.3546 -0.3555 -0.9080 0.6723 0.7487 1.2527 0.2992 1.7156 1.4165 2.3882 -0.1943 -0.5190 -0.0279 -0.9017 1.3534 -0.8618 -0.0725 1.9422 -0.8831 2.9700 2.1966 -0.3275 0.5609 
1999 1.1170 -1.0957 -0.5224 -0.9462 -0.8757 0.8819 1.2233 -0.1417 1.4077 0.3444 0.7656 -0.5936 -0.5658 -0.5246 1.7319 1.2449 -0.9524 0.1268 0.5618 1.6841 2.6959 2.1735 -0.6886 -0.0353 
1998 1.5080 -0.9427 -0.5292 -1.9068 -0.9694 0.5602 0.9686 -0.5317 0.9646 -0.5927 0.5123 -0.5573 -0.6479 -0.6202 -1.2297 1.1412 -1.0400 -0.3132 -0.1830 -1.1215 2.2558 2.0275 -0.7357 -0.2513 
1997 1.2109 -1.2957 -0.2941 -1.7398 -0.4912 0.4444 0.7539 -0.4458 0.7561 -0.3942 0.4130 -0.6011 -0.5307 -0.1443 -1.0119 0.8553 -1.2888 -1.1635 -0.2902 -1.0984 -0.3384 -0.7099 -0.7028 -0.6451 
1996 1.9374 -0.9590 -0.5634 -1.1346 -0.8146 0.1582 0.5529 -0.7560 0.3428 -0.7315 0.3842 -0.9918 -1.1590 -0.8275 -1.0101 0.6369 -0.9615 -1.1021 -0.2902 -1.0126 -0.3163 -0.3251 -1.0070 -0.8537 
1995 -0.0906 -0.6876 -0.5482 -0.7573 -0.8502 0.0115 0.3705 -0.8278 0.3808 -0.4898 0.4215 -0.7297 -0.9322 -0.9299 -0.4233 0.2834 -0.5797 -0.7969 0.0192 -0.4001 -0.0401 -0.2343 -0.8086 -0.4427 
1994 -0.6005 -0.0975 -0.6942 -0.5902 -0.0880 0.3175 0.1632 0.7675 0.5207 1.0282 0.5350 0.0978 0.7515 0.6528 0.2238 0.1230 0.0881 -0.4784 0.2601 0.2429 0.1688 0.1807 0.9592 0.0418 
1993 -0.6331 -0.1956 0.0405 -0.8816 -0.7516 -0.2010 -0.1611 -0.4313 0.3369 1.1248 0.4827 -0.8354 -0.7042 -0.9057 0.2060 -0.1867 0.1458 -0.7784 -0.0915 0.3305 -0.0211 -0.3948 -0.2624 -0.1793 
1992 -1.4688 0.9073 3.1301 0.8338 2.5185 1.8601 0.5797 2.6687 1.9719 4.6638 1.2484 2.0706 2.6003 2.8108 1.4070 0.3997 0.9439 2.4897 1.1890 1.3518 1.0730 0.8020 3.1918 2.0749 
1991 0.1202 -0.0531 -0.0162 0.0803 -0.1292 -0.2617 0.1123 -0.2343 0.1041 0.1202 0.5609 -0.2215 0.2995 0.3069 0.1439 0.1829 0.2389 1.6160 -0.0490 0.4088 0.8250 -0.1432 0.4282 2.4041 
1990 0.7739 0.1974 -0.2758 -0.2005 -0.4915 -0.4294 -0.1930 -0.3400 -0.1200 -0.6279 0.4248 -0.5160 -0.3597 -0.2878 0.1752 -0.2011 0.5998 -0.2399 -0.3001 0.3875 0.4752 -0.2927 -0.4844 0.4067 
1989 1.4409 -0.1443 -0.4217 -0.7657 -1.0045 -1.0412 -0.4217 -0.8033 -0.1983 -0.6299 0.4042 -0.6739 -0.4189 -0.2231 -0.0075 -0.4847 0.1006 -1.2786 -0.2707 0.0786 -0.0884 -0.3562 -0.5116 -0.9430 
1988 0.0627 0.0790 -0.3464 -0.9041 -1.0201 -0.6182 -0.5480 -0.4564 -0.2100 -0.9290 0.4112 -0.8355 -0.7661 -0.8463 0.1953 -0.5956 0.2049 -0.5149 0.0899 0.2429 0.2949 -0.3993 -0.4629 -1.6034 
1987 -0.0772 0.3881 -0.1524 -0.5225 0.1709 -0.6857 -0.4846 0.3772 -0.2441 0.0915 -0.7341 -0.1923 0.1421 1.1470 0.5189 -0.6089 0.6509 0.1051 -0.1116 0.5543 -0.3053 0.2307 -0.0151 1.7381 
1986 0.9272 0.1445 -0.0866 -0.5388 -0.2163 -0.9456 -0.5572 -0.6548 -0.2948 -1.0206 -0.9377 -0.5081 -0.0798 -0.4386 0.3222 -0.6297 0.4495 -0.5263 -0.2200 0.2290 -1.2341 -0.6906 -0.2357 0.2041 
1985 1.1131 0.0253 -0.4906 -0.5509 -0.2975 -0.9225 -0.6997 -0.6370 -0.0884 -0.3245 -1.1308 -0.7209 -0.8256 -0.9482 0.2401 -0.7110 0.2473 -0.7735 -0.4202 0.3121 -1.2059 -0.7069 -0.8015 -0.2975 
1984 1.8013 0.2284 -0.5440 -0.1447 -0.4211 -0.8235 -0.6575 -0.7925 -0.1492 -0.9069 -1.1281 -0.7848 -0.6862 -0.7732 0.4834 -0.6695 0.5650 -1.0714 -0.4167 0.4992 -0.8736 -0.3715 -0.8133 -0.7442 
1983 0.9502 0.0912 -0.3639 -0.6158 -0.3501 -0.8718 -0.7431 -0.8826 -0.8025 -1.1922 -1.1150 -0.4250 0.2337 -0.0468 0.4108 -0.7577 0.3113 -0.5710 -0.3989 0.3311 -1.8749 -1.9467 0.0756 -0.6873 
1982 -0.9436 0.9775 0.7716 0.2479 0.9319 -0.1762 -0.6461 -0.1360 -1.8662 -0.3247 -1.1207 -0.1339 1.3616 0.7641 0.7340 -0.7842 0.7577 1.3445 -0.4060 0.5994 0.1340 0.3584 1.7261 0.3133 
1981 -0.9666 0.4902 -0.6478 -0.4053 0.9247 -0.2615 -0.8484 -0.2314 -1.6397 -0.8245 -1.3230 0.5140 1.0220 1.1154 0.6691 -0.8737 0.4194 0.8998 -0.7992 0.5904 0.1163 0.3389 0.8467 -0.1124 
1980 -1.2541 1.7357 1.7745 1.7795 1.6191 0.5960 -0.7116 1.6093 -1.5534 0.7996 -0.6887 1.5322 2.6049 2.8926 1.2064 -0.6855 1.1873 1.7319 -0.0972 1.1336 0.1602 0.3776 2.4082 0.2887 
1979 0.9234 0.3475 -0.4153 -0.5224 0.1081 -0.8532 -0.9357 -0.0814 -0.5229 -1.0353 -1.0966 -0.1029 0.0437 -0.0171 0.4097 -0.7625 0.3251 1.0325 -0.3744 0.3936 -0.8812 -0.3848 -0.2112 2.3548 
1978 0.5477 0.3268 -0.4658 -0.4173 -0.2025 -0.9164 -0.8704 -0.6012 -0.4608 -1.0767 -0.9210 -0.3823 -0.1133 -0.5651 0.3620 -0.7968 0.4289 -0.2014 -0.2075 0.4020 -1.1600 -0.8439 -0.2556 0.4952 
1977 0.2065 0.4730 -0.1826 0.0941 -0.1233 -0.9184 -0.7367 -0.0390 -0.6020 -0.5310 -0.8984 0.0119 0.1358 0.2026 0.7328 -0.7439 0.6711 -0.1219 -0.1921 0.7615 -0.4529 -0.1719 -0.1456 0.0670 
1976 0.9004 0.3434 -0.3918 0.7682 0.1170 -0.7074 -0.5424 -0.7441 -0.1253 -0.0578 -1.0464 -0.4098 -0.9362 0.0920 1.0475 -0.7216 0.9563 -0.6707 -0.3166 0.8140 -0.5776 -0.0814 -0.7861 -0.4623 
1975 0.6972 0.1800 -0.8167 0.1120 -0.1196 -0.8904 -0.8327 -0.1215 -0.4762 -0.4726 0.3593 -0.3703 -0.2568 -0.2583 0.7316 -0.8034 0.5018 -1.0593 -0.5518 0.6697 -1.2341 -0.7069 -0.5976 -0.8553 
1974 -1.2120 1.1185 1.5724 0.8716 0.7787 0.1795 -0.8420 0.6933 -1.9117 0.0430 -1.2172 0.1498 -0.1294 -0.4590 1.3863 -0.7974 1.0743 1.1988 -0.5597 1.3714 0.9767 1.0511 0.4705 0.4016 
1973 -0.9628 0.4276 -0.0410 0.1087 0.2920 -0.2293 -0.9448 -0.2077 -1.0053 -0.5260 -0.9422 -0.1569 -0.8008 -0.5443 0.4898 -0.8743 0.4793 -0.7277 -0.2231 0.5532 0.1515 0.3713 -0.4173 -0.1950 
1972 -0.3417 0.5028 -0.0892 0.1256 0.2009 -0.8769 -0.9136 -0.4308 -1.1777 -0.5572 -1.3502 0.0552 0.2952 -0.0647 0.4340 -0.8732 0.5752 -0.7586 -0.8786 0.4637 0.1074 0.3324 0.1065 -0.7151 
1971 -1.0663 1.4514 0.7596 1.0064 1.4265 -0.1857 -0.6966 0.0646 -1.5851 -0.1682 -0.9928 0.8045 1.2418 1.5867 1.0944 -0.7248 1.0222 0.3959 -0.2643 1.1645 0.1427 0.3649 1.0996 -0.4215 
1970 -0.1731 0.2830 -0.2867 0.3696 0.1652 -0.7090 -0.8112 -0.3736 -0.3142 -0.5996 0.4910 0.0731 -0.0576 0.2005 0.6857 -0.6739 0.5739 1.4645 0.1127 0.8136 -0.9955 -0.3454 -0.2405 2.7218 
1969 0.5496 0.0708 -1.1229 -0.2215 -0.0224 -1.1272 -1.-0.2998 0.0002 0.7823 -1.2852 -0.4108 -0.6424 -0.0993 0.4756 -0.9020 0.2522 0.0435 -0.7023 0.4398 -1.7905 -1.7240 -0.7576 0.4713 
1968 0.4557 0.3754 -0.1914 0.0782 -0.0442 -1.0424 -0.8591 -0.5058 -0.0528 -0.6357 -0.8632 -0.2303 -0.0315 -0.4494 0.8054 -0.8174 0.4188 -0.1702 -0.1709 0.8400 0.1515 0.3713 -0.0779 0.1860 
1967 -0.0331 0.4082 -0.1135 0.3716 0.3029 -0.8140 -0.8333 -0.3632 -0.3441 -0.6185 -0.8795 -0.0115 0.4341 -0.2016 0.5365 -0.8199 0.6325 0.4662 -0.1799 0.5568 0.1515 0.3713 0.3658 0.0823 
1966 -1.3091 2.4265 1.9120 3.5159 1.7204 0.3925 -0.3358 4.0710 -1.1894 1.1428 -0.7170 1.0888 2.2487 1.3671 1.8517 -0.4379 2.4150 2.5052 -0.1059 1.8671 0.1602 0.3776 2.4620 1.4373 
1965 -0.3865 0.6265 0.4303 0.2184 0.2952 -0.5675 -0.8397 -0.5385 -0.4155 0.8830 0.1583 0.2678 0.6830 0.5453 0.7177 -0.8522 0.7218 0.2577 -0.0269 0.6639 0.1688 0.3840 0.4992 -0.2566 
1964 0.0761 0.2908 -0.2917 0.0262 0.8445 -0.8938 -0.9006 -0.4216 -0.4443 0.3291 -0.7933 -0.2331 0.0098 -0.4144 0.2669 -0.7975 0.4580 -0.4564 -0.1351 0.3079 -1.7992 -4.0357 -0.1313 -0.7129 
1963 -0.5091 0.3587 -0.3000 0.2313 0.6458 -0.8484 -0.8979 0.2260 -0.5598 0.7006 -0.9991 -0.1602 -0.2566 -0.6252 0.3226 -0.9419 0.5258 0.0035 -0.2707 0.2862 0.1427 0.3649 -0.1694 -1.1526 
1962 -1.1161 0.7858 0.1291 0.9148 0.5731 -0.5193 -0.7648 0.1396 -0.5341 0.1245 -1.0139 1.0248 0.4818 0.6698 0.7706 -0.7147 0.9169 0.3912 -0.2837 0.8386 0.1427 0.3642 0.2324 -1.1177 
1961 -0.9015 0.5666 0.1987 0.3679 0.9936 -0.8241 -0.7050 0.9734 -0.6841 0.1911 -1.0430 0.0148 0.1850 -0.2893 0.4734 -0.8045 0.6152 -0.3412 -0.3133 0.3074 0.1427 0.3649 0.1296 -1.4248 
1960 -1.0433 0.5102 0.4145 0.5807 0.9967 -0.7398 -0.7065 1.4128 -0.4794 1.3586 0.5110 -0.0877 -0.4572 -0.5883 0.6178 -0.6754 0.7916 0.3395 0.1253 0.5598 -0.2515 0.0197 -0.2512 2.0852 
1959 -0.8593 0.4067 -0.3155 0.3043 0.1448 -0.9809 -0.7874 0.0866 -0.6011 -0.3097 -0.8248 -0.2912 -0.7388 -0.0724 0.3642 -0.7552 0.6715 -0.2708 -0.1499 0.3971 0.1515 0.3713 -0.4288 0.4693 
1958 -1.3883 1.4330 0.6080 0.7613 2.0997 -0.0061 -0.8815 0.6944 -0.7064 1.4439 0.4042 0.3192 0.0227 -0.1728 1.2644 -0.7873 1.5796 0.5583 0.5341 1.2738 0.2201 0.4340 0.4769 0.8129 
1957 -0.1501 0.0788 -0.6378 0.5301 -0.0052 -1.4811 -0.7726 -0.5773 -0.1142 -0.3035 0.3192 -0.3458 -0.2647 -0.3562 0.4415 -0.8422 0.7440 -1.1722 0.0219 0.2437 0.1688 0.3840 -0.4811 -0.7914 
1956 -1.1660 0.9024 0.9387 -0.4486 0.7415 -0.7435 -0.9087 0.5561 -1.5628 -0.0826 3.3428 0.8977 0.0357 -0.6959 0.0996 -0.8731 0.1990 1.3175 5.4730 -0.0201 1.4525 1.4838 0.7398 0.2129 
1955 -1.2810 2.6427 3.0556 1.7682 2.6251 -0.2087 -0.3884 2.1850 -1.2176 1.1117 2.8520 1.7799 2.3472 1.9516 0.9034 -0.6220 1.4277 1.9119 4.3493 1.1407 1.0612 1.1603 2.8571 0.6604 
1954 -0.9513 1.7707 1.0759 -0.4117 1.8763 -0.7741 -0.9430 2.8715 -0.9605 0.0427 0.9580 0.7628 -0.5342 0.0212 -0.2429 -0.9756 0.4455 0.4704 0.5851 -0.1011 0.2286 0.4340 0.1032 -0.4706 
1953 -0.7213 0.3247 0.8136 -0.1111 0.2263 -1.6928 -0.7778 0.1082 -0.5078 -0.6086 -0.8420 0.6116 0.8281 -0.0156 0.0789 -0.8039 0.2684 -0.2745 -0.1588 -0.0194 0.1515 0.3713 0.7915 -0.9210 

Answer 1

Во-первых, с 23 переменными, у вас есть как 8,388,607 возможных комбинаций (2^23 - 1). Наверное, вы не хотите туда ехать.

Вместо этого вы можете попробовать найти алгоритм, который поможет вам лучше и лучше сочетать. Я полагался на логику отставания назад в stepwise regression, чтобы сделать это. В основном, я начал со строк средствами всех переменных, затем поменял каждую переменную по одному, вычислил значение строки и корреляцию для каждой комбинации n-1, а затем выбрал лучший и сделал все заново: посмотрите на все возможные n-2 комбинации, вычислите корреляцию и т. д. У вас есть идея.

Теперь нет никакой гарантии, что это может найти наилучшую комбинацию, но результат (r = -0,76) является существенным улучшением.

Было бы интересно посмотреть, что произойдет, если вы попробуете выбор вперед.

Вот код:

vars <- data[,-1:-2] #create data frame with only the variables in it 

best <- NA # stores the best correlation in any given iteration 
var_names <- NULL #stores variables in the given iteration 

while(ncol(vars) > 2){ 
     temp_mean <- NULL #stores rowmeans 
     temp_cor <- NULL #stores correlations 
     var_names <- c(var_names, list(names(vars))) #updates list with variable names 
     for(i in 1:ncol(vars)){ 
      low_vars <- vars[,-i] #drop each variable one-by-one 
      temp_mean <- rowMeans(low_vars[,1:ncol(low_vars)]) #calculate means 
      temp_cor <- c(temp_cor, cor(temp_mean, data$growth)) #calculate correlation 
     } 
    best <- c(best, min(temp_cor)) #best correlation of given iteration stored 
    vars <- vars[, -which.min(temp_cor)] #update vars to best combination 
} 
min(best, na.rm = T) #check what is the best correlation found 
var_names[[which.min(best)]] #check what combination lead to it