리포트 편집하기

앱 UI로 리포트를 대화형으로 편집하거나 W&B SDK를 사용해 프로그래밍 방식으로 편집합니다.

W&B Report 및 Workspace API는 Public Preview 단계입니다.

앱 UI로 리포트를 대화형으로 편집하거나 W&B SDK를 사용해 프로그래밍 방식으로 편집합니다.

Reports는 _blocks_로 구성됩니다. 블록은 Reports의 본문을 이룹니다. 이러한 블록 안에 텍스트, 이미지, 임베디드 시각화, 실험과 run에서 생성된 플롯, 패널 그리드를 추가할 수 있습니다.

_Panel grids_는 패널과 _run sets_를 포함하는 특수한 유형의 블록입니다. _run sets_는 W&B의 프로젝트에 로깅된 run들의 모음입니다. 패널은 run set 데이터의 시각화입니다.

저장된 Workspace 뷰를 생성하고 커스터마이징하는 방법에 대한 단계별 예제는 Workspace and Reports API 문서에서 확인하세요.

리포트를 프로그래밍 방식으로 편집하려면 W&B Python SDK 외에 W&B Report 및 Workspace API인 wandb-workspaces가 설치되어 있는지 확인하세요:

pip install wandb wandb-workspaces

​

플롯 추가

각 패널 그리드는 run 세트와 패널 세트로 구성됩니다. 섹션 하단의 run 세트는 그리드에 있는 패널에 어떤 데이터가 표시될지 제어합니다. 다른 run 세트에서 데이터를 가져오는 차트를 추가하려면 새 패널 그리드를 생성하세요.

W&B App

리포트에서 슬래시(/)를 입력하면 드롭다운 메뉴가 표시됩니다. 패널을 추가하려면 Add panel을 선택합니다. 라인 플롯(line plot), 산점도(scatter plot), 평행 좌표(parallel coordinates) 차트 등 W&B에서 지원하는 모든 패널을 추가할 수 있습니다.

Report and Workspace API

SDK를 사용해 프로그래밍 방식으로 리포트에 플롯을 추가할 수 있습니다. 하나 이상의 플롯 또는 차트 객체 목록을 PanelGrid Public API 클래스의 panels 파라미터에 전달합니다. 관련 Python 클래스와 함께 플롯 또는 차트 객체를 생성합니다.

아래 예제는 라인 플롯과 산점도를 생성하는 방법을 보여줍니다.

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(
    project="report-editing",
    title="An amazing title",
    description="A descriptive description.",
)

blocks = [
    wr.PanelGrid(
        panels=[
            wr.LinePlot(x="time", y="velocity"),
            wr.ScatterPlot(x="time", y="acceleration"),
        ]
    )
]

report.blocks = blocks
report.save()

프로그래밍 방식으로 리포트에 추가할 수 있는 플롯과 차트에 대한 자세한 내용은 wr.panels를 참조하세요.

​

run 세트 추가

App UI 또는 W&B SDK를 사용해 프로젝트에서 run 세트를 대화형으로 추가합니다.

W&B App

리포트에서 슬래시(/)를 입력하면 드롭다운 메뉴가 표시됩니다. 드롭다운에서 Panel Grid를 선택합니다. 그러면 리포트가 생성된 프로젝트의 run 세트가 자동으로 가져와집니다.

패널을 리포트에 가져오면 run 이름은 프로젝트에서 상속됩니다. 리포트에서 독자가 더 잘 이해할 수 있도록 필요하다면 run 이름 바꾸기를 할 수 있습니다. run 이름은 해당 개별 패널에서만 변경됩니다. 동일한 리포트에서 패널을 복제하면, 복제된 패널에서도 run 이름이 변경됩니다.

1. 리포트에서 연필 아이콘을 클릭해 리포트 편집기를 엽니다.

2. run 세트에서 이름을 변경할 run을 찾습니다. 리포트 이름 위에 마우스를 올리고 액션 () 메뉴를 클릭합니다. 다음 선택지 중 하나를 선택한 뒤, 폼을 제출합니다.

   • Rename run for project: 전체 프로젝트에 걸쳐 run 이름을 변경합니다. 새 임의 이름을 생성하려면 필드를 비워 둡니다.
   • Rename run for panel grid: 다른 컨텍스트에서 기존 이름은 유지한 채, 이 리포트에서만 run 이름을 변경합니다. 새 임의 이름 생성은 지원되지 않습니다.

3. Publish report를 클릭합니다.

Report and Workspace API

wr.Runset() 및 wr.PanelGrid 클래스를 사용해 프로젝트에서 run 세트를 추가합니다. 다음 절차는 run 세트를 추가하는 방법을 설명합니다.

1. wr.Runset() 객체 인스턴스를 생성합니다. project 매개변수에는 run 세트를 포함하는 프로젝트 이름을, entity 매개변수에는 해당 프로젝트를 소유한 엔터티를 제공합니다.
2. wr.PanelGrid() 객체 인스턴스를 생성합니다. 하나 이상의 runset 객체 목록을 run sets 매개변수에 전달합니다.
3. 하나 이상의 wr.PanelGrid() 객체 인스턴스를 리스트에 저장합니다.
4. panel grid 인스턴스 리스트로 리포트 인스턴스의 blocks 속성을 업데이트합니다.

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(
    project="report-editing",
    title="An amazing title",
    description="A descriptive description.",
)

panel_grids = wr.PanelGrid(
    runsets=[wr.RunSet(project="<project-name>", entity="<entity-name>")]
)

report.blocks = [panel_grids]
report.save()

원한다면 한 번의 SDK 호출로 runset과 패널을 함께 추가할 수도 있습니다.

import wandb

report = wr.Report(
    project="report-editing",
    title="An amazing title",
    description="A descriptive description.",
)

panel_grids = wr.PanelGrid(
    panels=[
        wr.LinePlot(
            title="line title",
            x="x",
            y=["y"],
            range_x=[0, 100],
            range_y=[0, 100],
            log_x=True,
            log_y=True,
            title_x="x axis title",
            title_y="y axis title",
            ignore_outliers=True,
            groupby="hyperparam1",
            groupby_aggfunc="mean",
            groupby_rangefunc="minmax",
            smoothing_factor=0.5,
            smoothing_type="gaussian",
            smoothing_show_original=True,
            max_runs_to_show=10,
            plot_type="stacked-area",
            font_size="large",
            legend_position="west",
        ),
        wr.ScatterPlot(
            title="scatter title",
            x="y",
            y="y",
            # z='x',
            range_x=[0, 0.0005],
            range_y=[0, 0.0005],
            # range_z=[0,1],
            log_x=False,
            log_y=False,
            # log_z=True,
            running_ymin=True,
            running_ymean=True,
            running_ymax=True,
            font_size="small",
            regression=True,
        ),
    ],
    runsets=[wr.RunSet(project="<project-name>", entity="<entity-name>")],
)


report.blocks = [panel_grids]
report.save()

​

run 세트 고정하기

리포트는 프로젝트의 최신 데이터를 표시하기 위해 run 세트를 자동으로 업데이트합니다. 특정 시점의 run 세트를 리포트에 그대로 보존하려면 해당 run 세트를 고정합니다. run 세트를 고정하면 리포트에서 그 시점의 run 세트 상태가 그대로 유지됩니다.

리포트 화면에서 run 세트를 고정하려면 패널 그리드에서 Filter 버튼 근처에 있는 눈송이 아이콘을 클릭합니다.

​

run 세트를 프로그래밍 방식으로 그룹화하기

Workspace and Reports API를 사용해 run 세트의 run들을 프로그래밍 방식으로 그룹화할 수 있습니다.

run 세트의 run들을 config 값, run 메타데이터, 또는 summary 메트릭 기준으로 그룹화할 수 있습니다. 다음 표는 사용 가능한 그룹화 방법과 각 방법에서 사용할 수 있는 키를 보여줍니다:

Grouping Method	Description	Available keys
Config values	config 값으로 run을 그룹화	wandb.init(config=)의 config 파라미터에 지정한 값
Run metadata	run 메타데이터로 run을 그룹화	State, Name, JobType
Summary metrics	summary 메트릭으로 run을 그룹화	wandb.Run.log()으로 run에 기록하는 값

​

config 값으로 run 그룹화하기

유사한 설정을 가진 run을 비교하려면 config 값으로 run을 그룹화한다. config 값은 run 설정 (wandb.init(config=)) 에서 지정하는 파라미터이다. run을 config 값으로 그룹화하려면 config.<key> 문법을 사용한다. 여기서 <key> 는 그룹화에 사용할 config 값의 이름이다.

예를 들어, 다음 코드 스니펫은 먼저 group 에 대한 config 값을 사용해 run을 초기화한 다음, 리포트에서 group config 값을 기준으로 run을 그룹화한다. <entity> 와 <project> 값은 자신의 W&B entity 및 프로젝트 이름으로 교체한다.

import wandb
import wandb_workspaces.reports.v2 as wr

entity = "<entity>"
project = "<project>"

for group in ["control", "experiment_a", "experiment_b"]:
    for i in range(3):
        with wandb.init(entity=entity, project=project, group=group, config={"group": group, "run": i}, name=f"{group}_run_{i}") as run:
            # 트레이닝을 간단히 시뮬레이션합니다
            for step in range(100):
                run.log({
                    "acc": 0.5 + (step / 100) * 0.3 + (i * 0.05),
                    "loss": 1.0 - (step / 100) * 0.5
                })

Python 스크립트나 노트북 내에서 config.group 값을 기준으로 run을 그룹화할 수 있습니다.

runset = wr.Runset(
  project=project,
  entity=entity,
  groupby=["config.group"]  # "group" config 값으로 그룹화
)

앞의 예제에 이어, 그룹화된 run 세트를 사용해 리포트를 생성할 수 있습니다:

report = wr.Report(
  entity=entity,
  project=project,
  title="Grouped Runs Example",
)

report.blocks = [
  wr.PanelGrid(
      runsets=[runset],
          )
      ]

report.save()

​

run 메타데이터별로 Runs 그룹화하기

run의 이름(Name), 상태(State), 또는 job 유형(JobType)별로 Runs를 그룹화할 수 있습니다.

이전 예시에서 이어서, 다음 코드 스니펫을 사용해 Runs를 이름 기준으로 그룹화할 수 있습니다:

runset = wr.Runset(
  project=project,
  entity=entity,
  groupby=["Name"]  # run 이름으로 그룹화
)

run의 이름은 wandb.init(name=) 파라미터에 지정한 이름입니다. 이름을 지정하지 않으면, W&B가 해당 run에 대해 임의의 이름을 생성합니다.

run의 이름은 W&B App에서 해당 run의 Overview 페이지에서 확인하거나, Api.runs().run.name을 사용해 프로그램 코드에서 확인할 수 있습니다.

​

요약 메트릭으로 runs 그룹화하기

다음 예시는 runs를 요약 메트릭으로 그룹화하는 방법을 보여줍니다. 요약 메트릭은 wandb.Run.log()를 사용해 run에 로그로 기록하는 값입니다. run을 기록한 후에는 W&B App에서 해당 run의 Overview 페이지에 있는 Summary 섹션에서 요약 메트릭의 이름을 확인할 수 있습니다.

요약 메트릭으로 runs를 그룹화하는 구문은 summary.<key>이며, 여기서 <key>는 그룹화에 사용할 요약 메트릭의 이름입니다.

예를 들어, acc라는 이름의 요약 메트릭을 기록했다고 가정해 보겠습니다:

import wandb
import wandb_workspaces.reports.v2 as wr

entity = "<entity>"
project = "<project>"

for group in ["control", "experiment_a", "experiment_b"]:
    for i in range(3):
        with wandb.init(entity=entity, project=project, group=group, config={"group": group, "run": i}, name=f"{group}_run_{i}") as run:
            # 트레이닝 시뮬레이션
            for step in range(100):
                run.log({
                    "acc": 0.5 + (step / 100) * 0.3 + (i * 0.05),
                    "loss": 1.0 - (step / 100) * 0.5
                })

그런 다음 summary.acc 요약 메트릭을 기준으로 run을 그룹화할 수 있습니다:

runset = wr.Runset(
  project=project,
  entity=entity,
  groupby=["summary.acc"]  # 요약 값으로 그룹화 
)

​

run 세트를 프로그래밍 방식으로 필터링하기

프로그래밍 방식으로 run 세트를 필터링하고 Workspace and Reports API를 사용해 리포트에 추가할 수 있습니다.

필터 표현식의 일반적인 형식은 다음과 같습니다:

Filter('key') operation <value>

여기서 key는 필터 이름이고, operation은 비교 연산자(예: >, <, ==, in, not in, or, and)이며, <value>는 비교 대상 값입니다. Filter는 적용하려는 필터 유형을 나타내는 플레이스홀더입니다. 다음 표에는 사용 가능한 필터와 그 설명이 나와 있습니다:

Filter	Description	Available keys
Config('key')	config 값으로 필터링	wandb.init(config=)의 config 파라미터에 지정한 값.
SummaryMetric('key')	요약 메트릭으로 필터링	wandb.Run.log()을 사용해 run에 로깅한 값.
Tags('key')	태그로 필터링	run에 추가한 태그 값(프로그램 코드에서 또는 W&B App에서 추가).
Metric('key')	run 속성으로 필터링	tags, state, displayName, jobType

필터를 정의한 후, 리포트를 생성하고 필터링된 run 세트를 wr.PanelGrid(runsets=)에 전달할 수 있습니다. 리포트에 다양한 요소를 프로그래밍 방식으로 추가하는 방법에 대해서는 이 페이지 전반에 걸쳐 있는 Report and Workspace API 탭을 참고하십시오.

다음 예시는 리포트에서 run 세트를 필터링하는 방법을 보여줍니다. <>로 둘러싸인 값을 사용자 값으로 바꾸십시오.

​

설정 필터

하나 이상의 설정 값으로 runset을 필터링합니다. 설정 값은 run 설정(wandb.init(config=))에서 지정하는 파라미터입니다.

예를 들어, 다음 코드 스니펫에서는 먼저 learning_rate와 batch_size 설정 값으로 run을 초기화한 다음, 리포트에서 learning_rate 설정 값을 기준으로 Runs를 필터링합니다.

import wandb

config = {
    "learning_rate": 0.01,
    "batch_size": 32,
}

with wandb.init(project="<project>", entity="<entity>", config=config) as run:
    # 트레이닝 코드를 여기에 작성하세요
    pass

Python 스크립트나 노트북에서 학습률이 0.01보다 큰 run만 코드로 필터링할 수 있습니다.

import wandb_workspaces.reports.v2 as wr

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Config('learning_rate') > 0.01"
)

and 연산자를 사용하여 여러 config 값을 기준으로 필터링할 수도 있습니다:

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Config('learning_rate') > 0.01 and Config('batch_size') == 32"
)

앞선 예시에서 이어서, 필터링된 runset을 사용하여 다음과 같이 리포트를 생성할 수 있습니다:

report = wr.Report(
  entity="<entity>",
  project="<project>",
  title="My Report"
)

report.blocks = [
  wr.PanelGrid(
      runsets=[runset],
      panels=[
          wr.LinePlot(
              x="Step",
              y=["accuracy"],
          )
      ]
  )
]

report.save()

​

메트릭 필터

run 세트를 각 run의 태그(tags), run 상태(state), run 이름(displayName), 또는 job 타입(jobType)을 기준으로 필터링한다.

Metric 필터는 다른 구문을 사용한다. 값들은 리스트로 전달해야 한다.

Metric('key') operation [<value>]

예를 들어, 다음 Python 코드 조각은 세 개의 run을 생성하고 각각에 이름을 지정한다.

import wandb

with wandb.init(project="<project>", entity="<entity>") as run:
    for i in range(3):
        run.name = f"run{i+1}"
        # 트레이닝 코드를 여기에 작성하세요
        pass

리포트를 생성할 때 run의 표시 이름으로 run 목록을 필터링할 수 있습니다. 예를 들어 이름이 run1, run2, run3인 run만 필터링하려면 다음 코드를 사용할 수 있습니다:

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Metric('displayName') in ['run1', 'run2', 'run3']"
)

run의 이름은 W&B App에서 해당 run의 Overview 페이지에서 확인하거나, 프로그래밍 방식으로 Api.runs().run.name을 사용해 가져올 수 있습니다.

다음 예시는 run의 상태(finished, crashed, 또는 running)에 따라 runset을 필터링하는 방법을 보여줍니다:

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Metric('state') in ['finished']"
)

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Metric('state') not in ['crashed']"
)

​

SummaryMetric 필터

다음 예시는 summary 메트릭을 기준으로 run 집합을 필터링하는 방법을 보여준다. Summary 메트릭은 wandb.Run.log()을 사용해 run에 기록한 값이다. run을 로깅한 후에는 W&B App에서 해당 run의 Overview 페이지에 있는 Summary 섹션에서 Summary 메트릭의 이름을 확인할 수 있다.

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="SummaryMetric('accuracy') > 0.9"
)

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Metric('state') in ['finished'] and SummaryMetric('train/train_loss') < 0.5"
)

​

태그 필터

다음 코드 스니펫은 태그로 runs 집합을 필터링하는 방법을 보여줍니다. 태그는 run에 프로그램적으로 또는 W&B App을 사용해 추가하는 값입니다.

runset = wr.Runset(
  entity="<entity>",
  project="<project>",
  filters="Tags('training') == 'training'"
)

​

코드 블록 추가

App UI 또는 W&B SDK를 사용해서 리포트에 코드 블록을 상호작용 방식으로 추가할 수 있습니다.

App UI

리포트에서 슬래시(/)를 입력하면 드롭다운 메뉴가 표시됩니다. 드롭다운에서 Code를 선택합니다.

코드 블록 오른쪽에서 프로그래밍 언어 이름을 선택합니다. 그러면 드롭다운이 펼쳐집니다. 이 드롭다운에서 사용할 프로그래밍 언어 구문을 선택합니다. JavaScript, Python, CSS, JSON, HTML, Markdown, YAML 중에서 선택할 수 있습니다.

Report and Workspace API

wr.CodeBlock 클래스를 사용해 코드 블록을 프로그래밍 방식으로 생성합니다. language와 code 파라미터에 각각 표시하려는 언어 이름과 코드를 전달합니다.

예를 들어, 다음 예시는 YAML 파일의 리스트를 보여줍니다:

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(project="report-editing")

report.blocks = [
    wr.CodeBlock(
        code=["this:", "- is", "- a", "cool:", "- yaml", "- file"], language="yaml"
    )
]

report.save()

위 코드는 다음과 유사한 코드 블록으로 렌더링됩니다:

this:
- is
- a
cool:
- yaml
- file

다음 예시는 Python 코드 블록을 보여줍니다:

report = wr.Report(project="report-editing")


report.blocks = [wr.CodeBlock(code=["Hello, World!"], language="python")]

report.save()

위 코드는 다음과 유사한 코드 블록으로 렌더링됩니다:

Hello, World!

​

마크다운 추가

App UI 또는 W&B SDK를 사용해 리포트에 마크다운을 대화형으로 추가할 수 있습니다.

App UI

리포트에서 슬래시(/)를 입력하면 드롭다운 메뉴가 표시됩니다. 드롭다운에서 Markdown을 선택합니다.

Report and Workspace API

wandb.apis.reports.MarkdownBlock 클래스를 사용해 프로그래밍 방식으로 마크다운 블록을 생성합니다. 문자열을 text 파라미터에 전달합니다:

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(project="report-editing")

report.blocks = [
    wr.MarkdownBlock(text="Markdown cell with *italics* and **bold** and $e=mc^2$")
]

그러면 다음과 같은 마크다운 블록이 렌더링됩니다:

​

HTML 요소 추가

App UI 또는 W&B SDK를 사용해 리포트에 HTML 요소를 대화형으로 추가할 수 있습니다.

앱 UI

리포트에서 슬래시(/)를 입력하면 드롭다운 메뉴가 표시됩니다. 드롭다운에서 텍스트 블록 유형을 선택합니다. 예를 들어 H2 헤딩 블록을 만들려면 Heading 2 옵션을 선택합니다.

Report 및 Workspace API

하나 이상의 HTML 요소로 이루어진 목록을 wandb.apis.reports.blocks 속성에 지정합니다. 다음 예시는 H1, H2, 그리고 순서 없는 목록을 생성하는 방법을 보여줍니다:

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(project="report-editing")

report.blocks = [
    wr.H1(text="How Programmatic Reports work"),
    wr.H2(text="Heading 2"),
    wr.UnorderedList(items=["Bullet 1", "Bullet 2"]),
]

report.save()

그러면 HTML 요소가 다음과 같이 렌더링됩니다:

​

리치 미디어 링크 임베드하기

App UI 또는 W&B SDK를 사용해 리포트 안에 리치 미디어를 임베드할 수 있습니다.

App UI

리포트에 URL을 복사해 붙여넣으면 리포트 안에 리치 미디어를 임베드할 수 있습니다. 아래 애니메이션은 Twitter, YouTube, SoundCloud에서 URL을 복사해 붙여넣는 방법을 보여줍니다.

​

Twitter

리포트 안에서 트윗을 볼 수 있도록 트윗 링크 URL을 리포트에 복사해 붙여넣습니다.

​

Youtube

리포트에 동영상을 임베드하려면 YouTube 동영상 URL 링크를 복사해 붙여넣습니다.

​

SoundCloud

리포트에 오디오 파일을 임베드하려면 SoundCloud 링크를 복사해 붙여넣습니다.

Report 및 Workspace API

wandb.apis.reports.blocks 속성에 하나 이상의 임베드된 미디어 객체 목록을 전달합니다. 다음 예시는 비디오와 Twitter 미디어를 리포트에 임베드하는 방법을 보여줍니다:

import wandb
import wandb_workspaces.reports.v2 as wr

report = wr.Report(project="report-editing")

report.blocks = [
    wr.Video(url="https://www.youtube.com/embed/6riDJMI-Y8U"),
    wr.Twitter(
        embed_html='<blockquote class="twitter-tweet"><p lang="en" dir="ltr">The voice of an angel, truly. <a href="https://twitter.com/hashtag/MassEffect?src=hash&amp;ref_src=twsrc%5Etfw">#MassEffect</a> <a href="https://t.co/nMev97Uw7F">pic.twitter.com/nMev97Uw7F</a></p>&mdash; Mass Effect (@masseffect) <a href="https://twitter.com/masseffect/status/1428748886655569924?ref_src=twsrc%5Etfw">August 20, 2021</a></blockquote>\n'
    ),
]
report.save()

​

패널 그리드 복제 및 삭제

다시 사용하고 싶은 레이아웃이 있다면, 패널 그리드를 선택해 복사하여 붙여넣기 하면 동일한 리포트에서 복제하거나 다른 리포트에 붙여넣을 수 있습니다.

오른쪽 상단의 드래그 핸들을 선택해 전체 패널 그리드 섹션을 선택합니다. 리포트에서 패널 그리드, 텍스트, 제목 등의 영역을 클릭한 뒤 드래그해 범위를 선택합니다.

패널 그리드를 선택한 다음 키보드에서 delete 키를 눌러 패널 그리드를 삭제합니다.

​

헤더 접기를 통해 Reports 정리하기

리포트에서 헤더를 접어 텍스트 블록 안의 콘텐츠를 숨길 수 있습니다. 리포트를 불러올 때는 확장된 헤더에 포함된 콘텐츠만 표시됩니다. 리포트에서 헤더를 접으면 콘텐츠를 더 잘 정리하고 과도한 데이터 로딩을 방지할 수 있습니다. 다음 GIF는 이 과정을 보여 줍니다.

​

여러 차원에 걸친 관계 시각화

여러 차원에 걸친 관계를 효과적으로 시각화하려면 변수 중 하나를 색상 그라디언트로 표현하세요. 이렇게 하면 더 명확하게 볼 수 있고 패턴도 더 쉽게 해석할 수 있습니다.

1. 색상 그라디언트로 나타낼 변수를 선택하세요(예: 페널티 점수, 학습률 등). 이렇게 하면 트레이닝 시간(x축)에 따라 페널티(색상)가 보상/부작용(y축)과 어떻게 상호작용하는지 더 명확하게 이해할 수 있습니다.
2. 주요 추세를 강조하세요. 특정 Runs 그룹 위에 마우스를 올리면 시각화에서 해당 그룹이 강조 표시됩니다.