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，自动生成支持向量机回归配置。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": "索引列", "raw": 1}]},
        {"key": "option_param", "value": { "C": 1.0, "kernel": "rbf", "epsilon": 0.1 }},
    ],
    "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。
C:为惩罚系数, 取值范围(0, inf), 默认为1.0
kernel:核函数类型, 可选值: linear(线性核), poly(多项式核), rbf(径向基核), sigmoid(sigmoid核), 默认为rbf
epsilon:误差收敛条件, 取值范围(0, inf), 默认为0.1
注意以上六个字段必须都存在，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
//三个字段“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"
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}]},
        {"key": "option_param", "value": { "C": 1.0, "kernel": "rbf", "epsilon": 0.1 }}
    ],
    "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，惩罚系数默认为1.0，核函数类型默认为rbf，核函数系数默认为0.1，是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}
示例2 - 缺少索引列的情况
输入数据表：
复制
| 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": []},
        {"key": "option_param", "value": { "C": 1.0, "kernel": "rbf", "epsilon": 0.1 }}
    ],
    "response": "根据您的需求，选取'广告点击量'、'商品评分'和'促销力度'作为自变量，选取'销售额'作为因变量，因为您要分析广告点击量、商品评分、促销力度对销售额的影响，以上选取的因素都可能影响'销售额'。数据表中没有合适的索引列，但不影响算法分析的核心计算。惩罚系数默认为1.0，核函数类型默认为rbf，核函数系数默认为0.1，是否使用该参数执行任务分析？",
    "options": []
}
生成示例
/* 示例3 - 用户修改需求示例 */
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：
用户需求："找出影响总成本的主要因素"
用户修改需求：
用户随后补充说明：
"惩罚系数修改为10，核函数类型修改为linear，误差收敛条件修改为0.5"
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}]},
        {"key": "option_param", "value": { "C": 10.0, "kernel": "linear", "epsilon": 0.5 }},
    ],
    "response": "根据您的需求，惩罚系数已修改为10，核函数类型修改为linear，epsilon修改为0.5，是否使用该参数执行任务分析？",
    "options": ["执行算法"]
}

