用户同意了你推荐的算法，请根据用户上传的数据表和业务需求，自动生成最小二乘回归算法配置。你的输出应严格只输出json格式的数据，具体要求如下：
**输入组成**
1. 用户数据表样例（前3行示意）：
   | 月份 | 产量 | 原材料价格 | 劳动力成本 | 运输费用 | 总成本 |
   |------|------|------------|------------|----------|--------|
   | 2023-01 | 1500 | 85 | 12000 | 4300 | 582000 |
   | 2023-02 | 1680 | 83 | 12500 | 4100 | 605000 |
2. 用户需求示例：
   "分析产量、原材料价格、劳动力成本、运输费用对总成本的影响"
**输出规则**
1. JSON格式严格遵循：
{
    "params": [
        {"key": "y_names", "value": [{"name": "目标变量名称", "raw": 0}]},
        {"key": "x_names", "value": [{"name": "特征1", "raw": 0}, {"name": "特征2", "raw": 0}, ...]},
        {"key": "index_column", "value": [{"name": "索引项", "raw": 1}]}
    ],
    "response": "解释说明",
    "options": ["执行算法"]
}
字段匹配逻辑：
y_names：必须且只能包含1个数值型目标变量，raw为0表示定量变量。
x_names：必须包含一个或多个特征变量，定量变量或定类变量均可，raw为1表示定类变量，raw为0表示定量变量。
index_column：索引项可以是类别类数据（如时间、地区等）或数值型数据，且只能有一个或者不设置。raw为1表示定类变量，raw为0表示定量变量。该字段必须存在，但value可以为空数组，表示没有索引列。
注意以上三个字段必须都存在，如果不存在请在response中向用户说明
response：用于向用户解释选取哪些数据作为哪些参数，以及选取这些数据的原因。如果参数齐全，询问用户是否使用该参数执行任务分析。如果缺少必要的参数，提示用户缺少哪些数据
options：如果因变量或自变量不满足数值型条件，必须强制为空数组 []；
//以上字段“value"均必须为表头中原文
生成示例
/* 示例1 - 生产分析 */
输入数据表：
| 月份   | 产量  | 原材料价格 | 劳动力成本 | 运输费用 | 总成本  |
|--------|-------|------------|------------|----------|---------|
| 2023-01| 1500  | 85         | 12000      | 4300     | 582000  |
| 2023-02| 1680  | 83         | 12500      | 4100     | 605000  |
| 2023-03| 1800  | 80         | 13000      | 4000     | 620000  |
用户需求："找出影响总成本的主要因素"2
输出配置：
{
    "params": [
        {"key": "y_names", "value": [{"name": "总成本", "raw": 0}]},
        {"key": "x_names", "value": [
            {"name": "产量", "raw": 0},
            {"name": "原材料价格", "raw": 0},
            {"name": "劳动力成本", "raw": 0},
            {"name": "运输费用", "raw": 0}
        ]},
        {"key": "index_column", "value": [{"name": "月份", "raw": 1}]}
    ],
    "response": "根据您的需求，选取'产量'、'原材料价格'、'劳动力成本'和'运输费用'作为自变量，选取'总成本'作为因变量, 因为您要找出影响总成本的主要因素，以上选取的因素都可能直接影响'总成本'（因变量）。'月份'作为索引列，用于标识数据的时间顺序，是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
示例2 - 没有索引列
输入数据表：
| 销售额 | 广告点击量 | 商品评分 | 促销力度 |
|--------|------------|----------|----------|
| 5000   | 1000       | 4.5      | 0.2      |
| 6000   | 1200       | 4.7      | 0.3      |
| 4500   | 900        | 4.2      | 0.1      |
用户需求：
"分析广告点击量、商品评分、促销力度对销售额的影响"
输出配置：
{
    "params": [
        {"key": "y_names", "value": [{"name": "销售额", "raw": 0}]},
        {"key": "x_names", "value": [
            {"name": "广告点击量", "raw": 0},
            {"name": "商品评分", "raw": 0},
            {"name": "促销力度", "raw": 0}
        ]},
        {"key": "index_column", "value": []}
    ],
    "response": "根据您的需求，已配置最小二乘回归分析参数。将'销售额'设为因变量，'广告点击量'、'商品评分'和'促销力度'设为自变量。数据表中没有合适的索引列，但不影响最小二乘回归分析的核心计算。是否开始执行算法？",
    "options": ["执行算法"]
}
示例3 - 不符合最小二乘回归分析的数据
输入数据表：
| 地区 | 客户类型 | 满意度 |
| -- | ---- | --- |
| 华东 | 企业   | 高   |
| 华南 | 个人   | 中   |
| 华北 | 企业   | 低   |
用户需求：
"分析地区、客户类型、满意度对客户留存率的影响"
输出配置：
{
    "params": [
        {"key": "y_names", "value": []},
        {"key": "x_names", "value": [
            {"name": "地区", "raw": 1},
            {"name": "客户类型", "raw": 1},
            {"name": "满意度", "raw": 1}
        ]},
        {"key": "index_column", "value": []}
    ],
    "response": "根据您的数据表，无法配置最小二乘回归分析参数。原因如下：未找到数值型因变量，且自变量均为定类变量（'地区'、'客户类型'、'满意度'），不满足最小二乘回归对定量变量的要求。请确认数据中包含至少一个数值型因变量和一个或多个数值型自变量后再试。",
    "options": []
}
/* 示例4 - 用户修改参数配置 */
输入数据表：
| 月份   | 产量  | 原材料价格 | 劳动力成本 | 运输费用 | 总成本  |
|--------|-------|------------|------------|----------|---------|
| 2023-01| 1500  | 85         | 12000      | 4300     | 582000  |
| 2023-02| 1680  | 83         | 12500      | 4100     | 605000  |
| 2023-03| 1800  | 80         | 13000      | 4000     | 620000  |
初始用户需求：
分析产量、原材料价格、劳动力成本、运输费用对总成本的影响。
用户修改需求：
用户随后补充说明：
我想去掉‘原材料价格’变量，只分析‘产量’、‘劳动力成本’和‘运输费用’对总成本的影响
输出配置：
{
    "params": [
        {"key": "y_names", "value": [{"name": "总成本", "raw": 0}]},
        {"key": "x_names", "value": [
            {"name": "产量", "raw": 0},
            {"name": "劳动力成本", "raw": 0},
            {"name": "运输费用", "raw": 0}
        ]},
        {"key": "index_column", "value": [{"name": "月份", "raw": 1}]}
    ],
    "response": "根据您的修改需求，系统已重新配置最小二乘回归参数。保留'产量'、'劳动力成本'和'运输费用'作为自变量，去掉'原材料价格'，以'总成本'作为因变量。'月份'作为索引列，用于标识时间序列。此修改符合最小二乘回归分析要求。是否确认使用此配置执行算法分析？",
    "options": ["执行算法"]
}
