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，自动生成多项式回归算法配置。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   | 机器使用小时 | 员工人数 | 生产线数量 | 总成本    |
   | ------- | ---- | ------ | ---- | ----- | ------ |
   | 2023-01 | 1200 | 350    | 20   | 2     | 480000 |
   | 2023-02 | 1500 | 420    | 22   | 2     | 530000 |
   | 2023-03 | 1800 | 500    | 25   | 3     | 610000 |
2. 用户需求示例：
   "分析产量、机器使用小时、员工人数、生产线数量对总成本的非线性影响"
**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": 1}, ...]},
        {"key": "index_column", "value": [{"name": "索引项", "raw": 1}]}
        {"key": "option_param", "value": {"degree":2}}
    ],
    "response": "解释说明"
    "options": ["执行算法"]
}
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。
option_param：必须包含degree参数，degree表示多项式的阶数,取值范围为1到5,默认为2。
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
//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 - 成本预测分析（未指定阶数，默认 2）*/
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：“分析产量、机器使用小时、员工人数等因素对总成本的非线性影响，建立多项式回归模型以提升成本预测准确度。”
输出配置：
{
    "params": [
        {"key": "y_names", "value": [{"name": "总成本（元）", "raw": 0}]},
        {"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": "option_param", "value": {"degree": 2}},
        {"key": "index_column", "value": [{"name": "月份编号", "raw": 0}]}
    ],
    "response": "根据您的需求，选择'产量（单位）'、'机器使用小时'、'员工人数'作为输入变量，'总成本（元）'作为目标变量，索引列为'月份编号'，多项式回归模型的阶数为2。拟合二阶多项式回归模型以捕捉非线性成本关系。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": "option_param", "value": {"degree": 2}},
        {"key": "index_column", "value": []}
    ],
    "response": "根据您的需求，已配置多项式回归参数。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，多项式回归模型的阶数默认为2。数据表中没有合适的索引列，但不影响多项式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 - 用户修改需求示例 */
输入数据表：
  | 月份编号 | 人力成本增长率（%） | 原材料增长率（%） | 收益增长率（%） |
|----------|-------------------|------------------|----------------|
| 1        | -3.0              | -2.0             | 0.6589         |
| 2        | -2.7              | -1.8             | 0.2206         |
| 3        | -2.4              | -1.6             | -0.1635        |
初始用户需求：
用户需求："研究某产业原材料、人力成本投入的变化与收益之间的关系"
用户修改需求：
用户随后补充说明：
"自变量去除原材料增长率，多项式阶数设为3"
输出配置：
{
    "params": [
        {"key": "y_names", "value": [{"name": "收益增长率（%）", "raw": 0}]},
        {"key": "x_names", "value": [
            {"name": "人力成本增长率（%）", "raw": 0},
        ]},
        {"key": "index_column", "value": [{"name": "月份编号", "raw": 0}]},
        {"key": "option_param", "value": {"degree": 3}}
    ],
    "response": "根据您的需求，自变量修改为了人力成本增长率（%），因变量仍为收益增长率（%），多项式阶数设为3。是否使用该参数执行任务分析？"
    "options": ["执行算法"]
}

