feat: 升级深度学习模型为 Temporal Fusion Transformer 架构

- 将 LSTMMLPRegressor 重构为 TemporalFusionRegressor，采用 Transformer Encoder 替代 LSTM
   - 新增 LearnedAttentionPooling 和 GatedResidualBlock 模块增强模型表达能力
   - 优化训练策略，使用 OneCycleLR 调度器和样本加权机制
   - 改进缺勤事件采样算法，基于压力、健康、家庭等维度更精确地计算缺勤时长
   - 更新 .gitignore 排除原始数据文件，删除不再使用的原始 CSV 文件

backend/services/predict_service.py

@@ -21,7 +21,11 @@ MODEL_INFO = {
     'gradient_boosting': {'name': 'gradient_boosting', 'name_cn': 'GBDT', 'description': '梯度提升决策树'},
     'extra_trees': {'name': 'extra_trees', 'name_cn': '极端随机树', 'description': '高随机性的树模型'},
     'stacking': {'name': 'stacking', 'name_cn': 'Stacking集成', 'description': '多模型融合'},
-    'lstm_mlp': {'name': 'lstm_mlp', 'name_cn': 'LSTM+MLP', 'description': '时序与静态特征融合的深度学习模型'},
+    'lstm_mlp': {
+        'name': 'lstm_mlp',
+        'name_cn': '时序注意力融合网络',
+        'description': 'Transformer时序编码 + 静态特征门控融合的深度学习模型',
+    },
 }