Fix getting suitable operations for multi ts

[YamLyubov]

Previously data_type was not used while getting suitable operations during model composition. That was causing problems described here
Changes:

• available_operations are defined during fit strage to take input_data.data_type into account
• new method ApiParams.update_available_operations_by_preset were created
• filterring operations by data_type in OperationTypesRepository.suitable_operations was fixed to not filter out to many operations

[ChrisLisbon]

У нас есть два примера с multi_ts (один, второй).

Второй использует API и там указан список совместимых операций, я так понимаю цель этого pr'а, чтобы автоматически подхватывать допустимые операции для каждого типа данных, но если я убираю вручную заданный список операций стабильно выпадает такое оповещение

`Generations: 5%|▌ | 1/20 [00:00<?, ?gen/s]2022-11-14 12:50:11,674 - ApiComposer - Initial pipeline was fitted in 0.5 sec.

2022-11-14 12:50:11,678 - ApiComposer - AutoML configured. Parameters tuning: True Time limit: 2 min Set of candidate models: ['adareg', 'dtreg', 'gbr', 'lasso', 'lgbmreg', 'linear', 'rfr', 'ridge', 'sgdr', 'svr', 'treg', 'lagged', 'sparse_lagged', 'smoothing', 'gaussian_filter', 'diff_filter', 'cut', 'exog_ts']

2022-11-14 12:50:11,679 - ApiComposer - Pipeline composition started.

Metric evaluation error: If using all scalar values, you must pass an index

Metric evaluation error: If using all scalar values, you must pass an index

Metric evaluation error: If using all scalar values, you must pass an index

Metric evaluation error: If using all scalar values, you must pass an index

Generations: 5%|▌ | 1/20 [02:50<?, ?gen/s]`

Не уверена, что это нормально, но если да может есть идеи из-за какой операции такое происходит?

[YamLyubov]

Ошибки возникали, потому что .transform для sparse-lagged не работал для multi-ts. Я его адаптировала, но не уверена, что корретктно

[ChrisLisbon]

Ошибки возникали, потому что .transform для sparse-lagged не работал для multi-ts. Я его адаптировала, но не уверена, что корретктно

А можешь описать в чем конкретно была проблема?
Прогнала дебагером, вроде предыдущую логику такой фикс не нарушает, но все равно можно еще попросить добавить тест к sparse-lagged с multi_ts по аналогии с вот этим тестом

[YamLyubov]

А можешь описать в чем конкретно была проблема? Прогнала дебагером, вроде предыдущую логику такой фикс не нарушает, но все равно можно еще попросить добавить тест к sparse-lagged с multi_ts по аналогии с вот этим тестом

Для преобразования данных на этапе fit (.transform_for_fit, основная логика которого вынесена в метод _apply_transformation_for_fit) все работало как надо. В случае многомерного ряда, каждый ряд обрабатывался в цикле и для обычного и для sparse lagged.

Для на этапе predict (_apply_transformation_for_predict) в случае sparse метод вне зависимости от размерности пытался обработать ряд одинаково, и падал, если ряд был многомерным. Чтобы это исправить, я засунула обработку ряда для sparse в цикл, где каждый ряд последовательно обрабатывается)