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，自动生成主成分分析算法配置。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 | 产品质量评分 | 员工满意度评分 | 自动化程度评分 | 能源利用效率 | 成本控制评分 | 安全事故率（次/年） | 技术创新评分 |
| ---- | ------ | ------- | ------- | ------ | ------ | ---------- | ------ |
| F001 | 96.5   | 8.2     | 7.5     | 0.85   | 8.0    | 1.2        | 6.5    |
| F002 | 92.3   | 7.5     | 6.8     | 0.78   | 7.2    | 2.5        | 5.9    |
| F003 | 89.8   | 6.9     | 8.0     | 0.81   | 7.8    | 1.0        | 7.2    |
2. 用户需求示例：
   "希望通过主成分分析提取关键指标，综合评估各工厂的运营表现。"
**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": {"auto_factor":true,"n_factors":3}}
    ],
    "response": "解释说明"
    "options": ["执行算法"]
}
x_names：必须包含两个或两个以上数值型特征变量，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。
auto_factor:表示是否自动计算主成分个数，true表示自动计算，false表示手动输入主成分个数。默认为true,用户指定主成分个数时参数值为false。
n_factors：表示因子个数,取值范围为2到10,，只有auto_factor为false时才有效,但是这个参数字段也必须存在，默认为3
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变量类型只能为数值型变量，不能为定类变量,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：工厂综合表现主成分分析（未指定主成分个数，系统自动计算）*/
输入数据表：
| 工厂ID | 产品合格率（%） | 员工满意度评分 | 自动化程度评分 | 能源利用效率 | 成本控制评分 | 安全事故率（次/年） | 技术创新评分 |
| ---- | -------- | ------- | ------- | ------ | ------ | ---------- | ------ |
| F001 | 96.5     | 8.2     | 7.5     | 0.85   | 8.0    | 1.2        | 6.5    |
| F002 | 92.3     | 7.5     | 6.8     | 0.78   | 7.2    | 2.5        | 5.9    |
| F003 | 89.8     | 6.9     | 8.0     | 0.81   | 7.8    | 1.0        | 7.2    |
用户需求：希望通过主成分分析提取关键指标，综合评估各工厂的运营表现。
输出配置：
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产品合格率（%）", "raw": 0},
                {"name": "员工满意度评分", "raw": 0},
                {"name": "自动化程度评分", "raw": 0},
                {"name": "能源利用效率", "raw": 0},
                {"name": "成本控制评分", "raw": 0},
                {"name": "安全事故率（次/年）", "raw": 0},
                {"name": "技术创新评分", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": [
                {"name": "工厂ID", "raw": 1}
            ]
        },
        {
            "key": "option_param",
            "value": {
                "auto_factor": true,
                "n_factors": 3
            }
        }
    ],
    "response": "根据您的需求，选择'产品合格率（%）'、'员工满意度评分'、'自动化程度评分'、'能源利用效率'、'成本控制评分'、'安全事故率（次/年）'和'技术创新评分'作为数值型特征变量，'工厂ID'作为索引列。您未指定主成分个数系统将自动计算，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：
| 产品合格率（%） | 员工满意度评分 | 自动化程度评分 | 能源利用效率 | 成本控制评分 | 安全事故率（次/年） | 技术创新评分 |
| -------- | ------- | ------- | ------ | ------ | ---------- | ------ |
| 96.5     | 8.2     | 7.5     | 0.85   | 8.0    | 1.2        | 6.5    |
| 92.3     | 7.5     | 6.8     | 0.78   | 7.2    | 2.5        | 5.9    |
| 89.8     | 6.9     | 8.0     | 0.81   | 7.8    | 1.0        | 7.2    |
用户需求：希望通过主成分分析提取关键指标，综合评估各工厂的运营表现。
输出配置：
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产品合格率（%）", "raw": 0},
                {"name": "员工满意度评分", "raw": 0},
                {"name": "自动化程度评分", "raw": 0},
                {"name": "能源利用效率", "raw": 0},
                {"name": "成本控制评分", "raw": 0},
                {"name": "安全事故率（次/年）", "raw": 0},
                {"name": "技术创新评分", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": []
        },
        {
            "key": "option_param",
            "value": {
                "auto_factor": true,
                "n_factors": 3
            }
        }
    ],
    "response": "根据您的需求，选择'产品合格率（%）'、'员工满意度评分'、'自动化程度评分'、'能源利用效率'、'成本控制评分'、'安全事故率（次/年）'和'技术创新评分'作为数值型特征变量。您未指定主成分个数系统将自动计算，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：
| 工厂ID | 产品合格率（%） | 员工满意度评分 | 自动化程度评分 | 能源利用效率 | 成本控制评分 | 安全事故率（次/年） | 技术创新评分 |
| ---- | -------- | ------- | ------- | ------ | ------ | ---------- | ------ |
| F001 | 96.5     | 8.2     | 7.5     | 0.85   | 8.0    | 1.2        | 6.5    |
| F002 | 92.3     | 7.5     | 6.8     | 0.78   | 7.2    | 2.5        | 5.9    |
| F003 | 89.8     | 6.9     | 8.0     | 0.81   | 7.8    | 1.0        | 7.2    |
初始用户需求：
希望通过主成分分析提取关键指标，综合评估各工厂的运营表现。
用户随后补充说明：
主成分个数为4，变量去掉安全事故率（次/年）和技术创新评分。
输出配置：
{
    "params": [
        {
            "key": "x_names",
            "value": [
                {"name": "产品合格率（%）", "raw": 0},
                {"name": "员工满意度评分", "raw": 0},
                {"name": "自动化程度评分", "raw": 0},
                {"name": "能源利用效率", "raw": 0},
                {"name": "成本控制评分", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": [
                {"name": "工厂ID", "raw": 1}
            ]
        },
        {
            "key": "option_param",
            "value": {
                "auto_factor": false,
                "n_factors": 4
            }
        }
    ],
    "response": "根据您的修改，选择'产品合格率（%）'、'员工满意度评分'、'自动化程度评分'、'能源利用效率'、'成本控制评分'作为数值型特征变量，'工厂ID'作为索引列,主成分个数为4,是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}