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，自动生成数据包络分析法配置。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：
  行业	R&D人员全时当量	R&D经费	专利申请数
化学纤维制造业	30081	1709805 	4726
化学原料和化学制品业	220273	10048609	63393
医药制造业	175288	10488868	33128
通用设备制造业	316320	11905883	133815
专用设备制造业	283598	11500869	139394
计算机、通信和其他电子设备制造业	792197	40999337	273381

2. 用户需求示例：
   "预测专利申请数和新产品开发项目数"

**输出规则**
1. JSON格式严格遵循：
{
    "params": [
        {"key": "output_columns", "value": [{"name": "目标变量名称1", "raw": 0}，{"name": "目标变量名称2", "raw": 0}, ...]},
        {"key": "input_columns", "value": [{"name": "特征1", "raw": 0}, {"name": "特征2", "raw": 0}, ...]},
        {"key": "index_column", "value": [{"name": "索引列", "raw": 1}]}
    ],
    "response": "解释说明",
    "options": ["执行算法"]
}
字段匹配逻辑：
output_columns：必须包含一个或多个数值型特征变量，raw为0表示定量变量。
input_columns：必须包含一个或多个数值型特征变量，raw为0表示定量变量。
index_column：索引项必须为类别类数据，例如时间、地区等，且只能有一个，raw为1表示定类变量。
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
//再次注意y_names和x_names必须为定量变量，index_column必须为定类变量，对于时间，“2016年”属于定类变量，而“2016”属于定量变量
//三个字段“value"均必须为表头中原文
生成示例
/* 示例1 - 预测创新指标 */
输入数据表：
| 行业                 | R&D人员全时当量 | R&D经费    | 专利申请数 | 新产品开发项目数 |
|----------------------|-----------------|------------|------------|------------------|
| 化学纤维制造业       | 30081           | 1709805    | 4726       | 120              |
| 化学原料和化学制品业 | 220273          | 10048609   | 63393      | 345              |
| 医药制造业           | 175288          | 10488868   | 33128      | 210              |
| 通用设备制造业       | 316320          | 11905883   | 133815     | 420              |
| 专用设备制造业       | 283598          | 11500869   | 139394     | 380              |
| 计算机、通信和其他电子设备制造业 | 792197        | 40999337   | 273381     | 650              |
用户需求："预测专利申请数和新产品开发项目数"
输出配置：
{
    "params": [
        {
            "key": "output_columns",
            "value": [
                {"name": "专利申请数", "raw": 0},
                {"name": "新产品开发项目数", "raw": 0}
            ]
        },
        {
            "key": "input_columns",
            "value": [
                {"name": "R&D人员全时当量", "raw": 0},
                {"name": "R&D经费", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": [{"name": "行业", "raw": 1}]
        }
    ],
    "response": "根据您的需求，我选取了'专利申请数'和'新产品开发项目数'作为目标变量，因为您希望对这两个变量进行预测；选取了'R&D人员全时当量'和'R&D经费'作为特征变量，因为这些通常是影响专利申请数和新产品开发项目数的重要因素；选取了'行业'作为索引列，因为它是一个类别型数据，用于区分不同的行业。请问是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
/* 示例2 - 预测经济数据指标 */
输入数据表：
地区	GDP	人均收入	投资总额	消费总额
北京	35000	120000	12000	20000
上海	38000	130000	15000	22000
广东	90000	100000	30000	40000
江苏	85000	95000	28000	38000
浙江	60000	85000	20000	30000
山东	75000	78000	25000	35000
用户需求："预测投资和消费指标"
输出配置：
{
    "params": [
        {
            "key": "output_columns",
            "value": [
                {"name": "GDP", "raw": 0},
                {"name": "人均收入", "raw": 0}
            ]
        },
        {
            "key": "input_columns",
            "value": [
                {"name": "投资总额", "raw": 0},
                {"name": "消费总额", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": [{"name": "地区", "raw": 1}]
        }
    ],
    "response": "根据您的需求，我选取了'GDP'和'人均收入'作为目标变量，因为您希望以这两个指标来衡量经济效率；选取了'投资总额'和'消费总额'作为特征变，因为它们是影响经济效率的重要因素；选取了'地区'作为索引列，因为它是一个类别型数据，用于区分不同的地区。请问是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
/* 示例3 - 缺少索引的示例 */
输入数据表：
GDP	人均收入	投资总额	消费总额
35000	120000	12000	20000
38000	130000	15000	22000
90000	100000	30000	40000
85000	95000	28000	38000
60000	85000	20000	30000
75000	78000	25000	35000
用户需求："预测投资和消费指标"
输出配置：
{
    "params": [
        {
            "key": "output_columns",
            "value": [
                {"name": "GDP", "raw": 0},
                {"name": "人均收入", "raw": 0}
            ]
        },
        {
            "key": "input_columns",
            "value": [
                {"name": "投资总额", "raw": 0},
                {"name": "消费总额", "raw": 0}
            ]
        },
        {
            "key": "index_column",
            "value": []
        }
    ],
    "response": "根据您的需求，我选取了'GDP'和'人均收入'作为目标变量，因为您希望以这两个指标来衡量经济效率；选取了'投资总额'和'消费总额'作为特征变量，因为它们是影响经济效率的重要因素。但是，数据表中没有找到任何合适的索引列，因为所有列均为定量变量，没有类别型数据。请检查数据表是否包含其他合适的索引列，例如地区、行业等类别数据。"
}

