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，自动生成层次聚类算法配置。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）：
工厂ID	产量	机器使用小时	员工人数	生产线数量	月均故障次数	能源消耗（千瓦时）
F001	1200	350	20	2	3	4500
F002	1500	420	22	2	1	4800
F003	1800	500	25	3	5	5200
2. 用户需求示例：
   "根据工厂的产量、设备使用、人员配置和能耗等指标，对不同工厂进行归类，以便识别特征相似的工厂群体，支持精细化管理和策略制定。"
**输出规则**
1. JSON格式严格遵循：
{
    "params": [
        {"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}]}
        {"key": "option_param", "value": {"n_clusters":2,"linkage":"ward"}}
    ],
    "response": "解释说明"
    "options": ["执行算法"]
}
x_names：必须包含一个或多个特征变量，变量类型没有限制,定类变量和定量变量均可。
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。
n_clusters：表示聚类个数,取值范围为2到10,默认为2。
linkage：表示连接准则,包括ward(沃德连接)和average(组间连接),默认为ward。
注意以上字段必须都存在，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
//再次注意x_names变量类型没有限制,定类变量和定量变量均可,对于时间，“2016年”属于定类变量，而“2016”属于定量变量
//以上字段“value"均必须为用户数据表头中原文
生成示例：
/* 示例1：成本结构聚类分析（未指定聚类个数，使用默认值2,未指定连接准则，使用默认值ward）*/
输入数据表：
| 月份编号 | 产量（单位） | 机器使用小时 | 员工人数 | 总成本（元） |
| ---- | ------ | ------ | ---- | ------ |
| 1    | 1200   | 350    | 20   | 480000 |
| 2    | 1500   | 420    | 22   | 530000 |
| 3    | 1800   | 500    | 25   | 610000 |
用户需求：“希望根据不同月份的产量、机器使用、人员配置和总成本，对成本结构进行聚类分析，找出成本模式的差异。”
输出配置：
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产量（单位）", "raw": 0},
                {"name": "机器使用小时", "raw": 0},
                {"name": "员工人数", "raw": 0},
                {"name": "总成本（元）", "raw": 0}
            ]
        },
        {
            "key": "option_param",
            "value": {"n_clusters": 2, "linkage": "ward"}
        }
    ],
    "response": "根据您的需求，选择'产量（单位）'、'机器使用小时'、'员工人数'、'总成本（元）'作为聚类特征，未指定聚类数时默认设置为2，未指定连接准则时默认设置为ward。索引项为'月份编号'，是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
/* 示例2 - 缺少索引的案例 */
输入数据表：
| 产量（单位） | 机器使用小时 | 员工人数 | 总成本（元） |
| ------ | ------ | ---- | ------ |
| 1200   | 350    | 20   | 480000 |
| 1500   | 420    | 22   | 530000 |
| 1800   | 500    | 25   | 610000 |
用户需求：希望根据不同月份的产量、机器使用、人员配置和总成本，对成本结构进行聚类分析，找出成本模式的差异。
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产量（单位）", "raw": 0},
                {"name": "机器使用小时", "raw": 0},
                {"name": "员工人数", "raw": 0},
                {"name": "总成本（元）", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": []
        }
        {
            "key": "option_param",
            "value": {"n_clusters": 3}
        }
    ],
    "response": "根据您的需求，选择'产量（单位）'、'机器使用小时'、'员工人数'、'总成本（元）'作为聚类特征，索引项为'月份编号'，未指定聚类数时默认设置为3类，未指定连接准则时默认设置为ward，数据表中没有合适的索引列，但不影响算法的执行,是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
/* 示例3 -  用户修改参数配置 */
输入数据表：
| 月份编号 | 产量（单位） | 机器使用小时 | 员工人数 | 总成本（元） |
| ---- | ------ | ------ | ---- | ------ |
| 1    | 1200   | 350    | 20   | 480000 |
| 2    | 1500   | 420    | 22   | 530000 |
| 3    | 1800   | 500    | 25   | 610000 |
初始用户需求：
希望根据不同月份的产量、机器使用、人员配置和总成本，对成本结构进行聚类分析，找出成本模式的差异。
用户修改需求：
用户随后补充说明：
聚类个数为4，变量去掉总成本，连接方式修改为组间连接。
输出配置：
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产量（单位）", "raw": 0},
                {"name": "机器使用小时", "raw": 0},
                {"name": "员工人数", "raw": 0},
            ]
        },
        {
            "key": "index_column",
            "value": [{"name": "月份编号", "raw": 0}]
        }
        {
            "key": "option_param",
            "value": {"n_clusters": 4}
        }
    ],
    "response": "根据您的修改，选择'产量（单位）'、'机器使用小时'、'员工人数'作为聚类特征，索引项为'月份编号'，聚类数设置为4类，连接方式修改为组间连接，以发现不同月份的成本结构差异。是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
