feat(training): 新增 TabM 模型支持及数据质量优化

- 添加 TabMModel、TabPFNModel 深度学习模型实现
- 新增 DataQualityAnalyzer 进行训练前数据质量诊断
- 改进数据处理器 NaN/null 双重处理，增强数据鲁棒性
- 支持 train_skip_days 参数跳过训练初期数据不足期
- Pipeline 自动清理标签为 NaN 的样本

src/experiment/learn_to_rank.py

@@ -37,6 +37,7 @@ from src.experiment.common import (
     get_model_save_path,
     save_model_with_factors,
     TOP_N,
+    TRAIN_SKIP_DAYS,
 )
 
 # 训练类型标识
@@ -155,6 +156,7 @@ def main():
         filters=[STFilter(data_router=engine.router)],
         stock_pool_filter_func=stock_pool_filter,
         stock_pool_required_columns=STOCK_FILTER_REQUIRED_COLUMNS,
+        train_skip_days=TRAIN_SKIP_DAYS,
     )
 
     # 4. 创建 RankTask