> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-dependabot-github-actions-actions-cache-6.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 선형 플롯 레퍼런스

> x축, y축, 스무딩, 집계, 그룹화 옵션을 포함한 선형 플롯 패널 설정 레퍼런스

이 페이지에서는 선형 플롯 설정에 관한 자세한 내용을 확인할 수 있습니다. 선형 플롯 사용에 대한 자세한 내용은 [선형 플롯 Overview](/ko/models/app/features/panels/line-plot)를 참조하세요.

<div id="data-settings">
  ## 데이터 설정
</div>

데이터 설정에서는 플롯에 어떤 메트릭을 표시할지와 데이터 포인트를 샘플링, 스무딩, 집계하는 방식을 제어합니다.

<div id="x-axis">
  ### X축
</div>

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-dependabot-github-actions-actions-cache-6/zLiypR0VXah9FinZ/images/app_ui/reference_x_axis.png?fit=max&auto=format&n=zLiypR0VXah9FinZ&q=85&s=702bbfe03730bcf45193489148c40d94" alt="X축 선택" width="3826" height="1434" data-path="images/app_ui/reference_x_axis.png" />
</Frame>

`wandb.Run.log()`로 로깅한 임의의 정수 또는 부동소수점 값을 x축 범위로 설정할 수 있습니다.

사용 가능한 시간 기반 x축 옵션:

* **Step**: `wandb.Run.log()`가 호출될 때마다 증가합니다. 모델에서 로깅한 트레이닝 step 수를 반영합니다. (기본값)
* **Relative Time (Wall)**: 프로세스가 시작된 이후의 실제 경과 시간입니다. run을 시작하고 하루 동안 일시 중지한 다음 재개하여 로깅하면, 해당 지점은 24시간에 표시됩니다.
* **Relative Time (Process)**: 실행 중인 프로세스 내부의 시간입니다. run을 시작하고 10초 동안 실행한 뒤 하루 동안 일시 중지한 다음 재개하면, 해당 지점은 10초에 표시됩니다.
* **Wall Time**: 그래프에서 첫 번째 run이 시작된 이후 경과한 시간(분)입니다.
* **X range**: 기본적으로 x축의 최솟값부터 최댓값까지 표시됩니다. 최소값과 최대값은 사용자 지정할 수 있습니다.

<div id="y-axis">
  ### Y축
</div>

`wandb.Run.log()`로 로깅한 임의의 정수 또는 부동소수점 값을 y축 변수로 설정할 수 있습니다. 단일 값, 값 배열 또는 값의 히스토그램을 지정할 수 있습니다. 변수에 대해 1,500개가 넘는 포인트를 로깅한 경우, W\&B는 1,500개 포인트로 다운샘플링합니다.

<Note>
  Runs table에서 run 색상을 변경해 y축 선 색상을 사용자 지정할 수 있습니다.
</Note>

**Y range** 옵션의 기본값은 메트릭의 가장 작은 양수 값(0 포함)부터 가장 큰 값까지입니다. 최소값과 최대값은 사용자 지정할 수 있습니다.

<div id="point-aggregation-method">
  ### 포인트 집계 방법
</div>

데이터 포인트를 표시하는 샘플링 모드를 선택하세요:

* **랜덤 샘플링** (기본값): [랜덤 샘플링](/ko/models/app/features/panels/line-plot/sampling/#random-sampling)을 참조하세요.
* **Full fidelity**: [Full fidelity](/ko/models/app/features/panels/line-plot/sampling/#full-fidelity)를 참조하세요.

<div id="smoothing">
  ### 스무딩
</div>

[스무딩 계수](/ko/support/models/articles/what-formula-do-you-use-for-your-smoothi)를 0과 1 사이로 설정합니다. 0은 스무딩을 적용하지 않음을, 1은 최대 스무딩을 의미합니다.

사용 가능한 스무딩 방법:

* **시간 가중 EMA** (기본값): 이전 포인트의 가중치를 지수적으로 감소시켜 시계열 데이터를 스무딩하는 지수 이동 평균(EMA) 기법입니다.
* **이동 평균**: 지정된 x 값의 앞뒤 윈도우에 있는 포인트들의 평균값으로 해당 포인트를 대체합니다.
* **가우시안**: 포인트의 가중 평균을 계산하며, 가중치는 스무딩 매개변수로 지정한 표준편차를 갖는 가우시안 분포를 따릅니다.
* **스무딩 없음**

자세한 내용은 [선형 플롯 스무딩](/ko/models/app/features/panels/line-plot/smoothing)을 참조하세요。

<div id="ignore-outliers">
  ### 이상치 무시
</div>

기본 플롯의 최소/최대 스케일 계산에서 이상치를 제외하도록 플롯 크기를 다시 조정합니다. 이 설정의 효과는 플롯의 샘플링 모드에 따라 달라집니다.

* **랜덤 샘플링 모드**: 이상치를 무시하면 플롯에서 하위 5%와 상위 95%에 해당하는 지점이 제외됩니다.
* **full fidelity 모드**: 이상치를 무시하면 모든 지점이 표시되지만, 각 bucket의 마지막 값으로 집약되어 표시되며 하위 5%와 상위 95% 영역은 음영 처리됩니다.

<div id="max-runs-or-groups">
  ### 최대 run 또는 그룹 수
</div>

기본적으로 플롯에는 run 목록 또는 run 세트에서 처음 10개의 run 또는 run 그룹만 포함됩니다. 어떤 run 또는 그룹을 표시할지 제어하려면 정렬 순서를 변경하세요.

<Note>
  Workspace는 설정과 관계없이 최대 1,000개의 run까지만 표시할 수 있습니다.
</Note>

<div id="chart-type">
  ### 차트 유형
</div>

플롯 스타일을 선택하세요:

* **선형 플롯**
  <Frame>
    <img src="https://mintcdn.com/wb-21fd5541-dependabot-github-actions-actions-cache-6/zLiypR0VXah9FinZ/images/app_ui/plot_style_line_plot.png?fit=max&auto=format&n=zLiypR0VXah9FinZ&q=85&s=690967559ed22b450c671fdc7dc7cdee" alt="선형 플롯 스타일" width="964" height="435" data-path="images/app_ui/plot_style_line_plot.png" />
  </Frame>
* **영역 플롯**
  <Frame>
    <img src="https://mintcdn.com/wb-21fd5541-dependabot-github-actions-actions-cache-6/zLiypR0VXah9FinZ/images/app_ui/plot_style_area_plot.png?fit=max&auto=format&n=zLiypR0VXah9FinZ&q=85&s=5879362f583f5fd2ec862ea89cc6bad0" alt="영역 플롯 스타일" width="949" height="420" data-path="images/app_ui/plot_style_area_plot.png" />
  </Frame>
* **백분율 영역 플롯**
  <Frame>
    <img src="https://mintcdn.com/wb-21fd5541-dependabot-github-actions-actions-cache-6/zLiypR0VXah9FinZ/images/app_ui/plot_style_percentage_plot.png?fit=max&auto=format&n=zLiypR0VXah9FinZ&q=85&s=dace0820727325090b0cbadda92d505d" alt="백분율 플롯 스타일" width="956" height="420" data-path="images/app_ui/plot_style_percentage_plot.png" />
  </Frame>

**Data** 탭에서 차트 유형을 설정하세요. [개별 선형 플롯](/ko/models/app/features/panels/line-plot#individual-line-plot)을 참고하세요.

<div id="grouping-settings">
  ## 그룹화 설정
</div>

그룹화를 켜면 모든 run을 집계할 수 있고, 개별 변수를 기준으로 그룹화할 수도 있습니다. Runs table에서 그룹화를 켜면 그룹이 그래프에 자동으로 반영됩니다.

* **run 그룹화**: 플롯에서 run 그룹화를 켭니다. 플롯에서 음영 범위를 설정하려면 이 옵션이 필요합니다.
* **그룹화 기준**: 필요에 따라 열을 선택합니다. 해당 열에서 같은 값을 가진 모든 run이 함께 그룹화됩니다.
* **집계**: 그래프 선의 값을 지정합니다. 옵션은 그룹의 평균, 중앙값, 최솟값, 최댓값입니다.
* **범위**: full fidelity 선형 플롯의 음영 영역을 설정합니다. 옵션은 Min/Max, Std Dev, Std Err 또는 None입니다.

<div id="chart-settings">
  ## 차트 설정
</div>

제목과 범례 표시 여부를 설정합니다:

* **패널 제목**: 패널 상단에 표시되는 제목입니다.
* **X축 제목**: X축 레이블입니다.
* **Y축 제목**: Y축 레이블입니다.
* **범례**: 범례를 표시하거나 숨기고 위치를 설정합니다.

<div id="legend-settings">
  ## 범례 설정
</div>

범례를 사용자 지정해 생성 시간이나 run을 만든 사용자와 같은 run 메타데이터와 로깅된 설정 값을 표시할 수 있습니다.

<div id="legend-template">
  ### 범례 템플릿
</div>

범례 이름에 사용할 템플릿을 정의합니다.

1. 톱니바퀴 아이콘을 클릭해 플롯 설정을 엽니다.
2. **Display preferences** 탭으로 이동합니다.
3. **Advanced legend**를 펼친 다음 범례 템플릿을 지정합니다.
4. **Apply**를 클릭합니다.

<div id="point-specific-values">
  ### 포인트별 값
</div>

차트 위에 마우스를 올렸을 때 십자선에 포인트별 값이 표시되도록 하려면 `[[ ]]` 안에 값을 설정합니다.

1. 톱니바퀴 아이콘을 클릭해 플롯 설정을 엽니다.
2. **Display preferences** 탭으로 이동합니다.
3. 탭 하단에서 플롯의 메트릭 하나 이상에 대해 포인트별 값을 설정합니다.
4. **Apply**를 클릭합니다.

`[[ ]]` 안에서 지원되는 값:

| 값             | 의미                      |
| ------------- | ----------------------- |
| `${x}`        | X 값                     |
| `${y}`        | Y 값(스무딩 조정 포함)          |
| `${original}` | 스무딩 조정이 적용되지 않은 Y 값     |
| `${mean}`     | 그룹화된 run의 평균            |
| `${stddev}`   | 그룹화된 run의 표준편차          |
| `${min}`      | 그룹화된 run의 최솟값           |
| `${max}`      | 그룹화된 run의 최댓값           |
| `${percent}`  | 전체 대비 백분율(누적 영역 차트의 경우) |

<div id="expressions">
  ## 표현식
</div>

수학 표현식을 사용해 로깅한 메트릭, 설정 값, 요약 통계를 바탕으로 선형 플롯을 만들거나 변환할 수 있습니다. 예를 들어 두 메트릭의 차이를 계산하거나, 설정 값으로 메트릭의 스케일을 조정하거나, 메트릭의 로그값을 플롯할 수 있습니다. 표현식은 각 step을 로깅할 때마다 평가됩니다.

다음 섹션에서는 표현식에서 값을 레퍼런스하는 방법과 맞춤형 표현식에 사용할 수 있는 연산자 및 함수를 설명합니다. 선형 플롯에서는 x축, y축 또는 둘 다에 표현식을 사용할 수 있습니다.

일반적인 사용 사례와 예시 표현식은 [예시 표현식](#example-expressions)을 참조하세요.

<div id="create-new-line-plots-with-expressions">
  ### 표현식을 사용해 새 선형 플롯 만들기
</div>

1. 프로젝트의 Workspace로 이동합니다.
2. **+ Add panel** 버튼을 클릭하고 **Line plot**을 선택합니다.
3. **Data** 탭을 클릭합니다. x축과 y축에 사용할 선형 플롯 데이터를 선택합니다.
4. **Expressions** 탭을 클릭합니다.
5. **Y-axis** 필드 또는 **X-axis** 필드에 표현식을 입력합니다.
6. **Apply**를 클릭하여 설정을 저장하고 선형 플롯을 확인합니다.

<div id="transform-existing-line-plots-with-expressions">
  ### 표현식을 사용해 기존 선형 플롯 변환하기
</div>

1. 변환할 선형 플롯을 여세요.
2. 패널을 편집하려면 플롯 오른쪽 상단의 톱니바퀴 아이콘을 클릭하세요.
3. **Expressions** 탭을 클릭하세요.
4. **Y-axis** 필드 또는 **X-axis** 필드에 표현식을 입력하세요.
5. **Apply**를 클릭하여 설정을 저장하고 업데이트된 선형 플롯을 확인하세요.

<div id="referencing-values">
  ### 값 참조
</div>

다음 표는 선형 플롯 표현식에서 로깅된 메트릭, 설정 파라미터, 요약 통계를 참조하는 방법을 설명합니다.

| 유형      | 구문                     | 설명                                    | 예시                                                  |
| ------- | ---------------------- | ------------------------------------- | --------------------------------------------------- |
| 메트릭     | `${metric_name}`       | 이름으로 로깅된 메트릭을 참조합니다.                  | `${val/accuracy}`, `${"accuracy"}`                  |
| 설정 파라미터 | `${config:param_name}` | `${config:}` 접두사를 사용하여 설정 값을 참조합니다.   | `${config:lr}`, `${config:batch_size}`              |
| 요약 통계   | `${summary:stat_name}` | `${summary:}` 접두사를 사용하여 요약 필드를 참조합니다. | `${summary:final_accuracy}`, `${summary:best_loss}` |

`/`, `-`, 공백 등 특수 문자가 포함된 메트릭 이름, 설정 파라미터 또는 요약 필드는 `${...}`를 사용해 이스케이프하세요.

예를 들어 `val/accuracy`라는 이름의 메트릭을 로깅한 경우, 나눗셈 연산자와의 혼동을 피하려면 `${val/accuracy}`로 참조하세요. `dropout-rate`라는 이름의 설정 파라미터를 로깅한 경우에는 `${config:dropout-rate}`로 참조하세요. `best loss`라는 이름의 요약 필드를 로깅한 경우에는 `${summary:best loss}`로 참조하세요.

<div id="nested-configs">
  #### 중첩된 설정
</div>

점 표기법과 다음 구문을 사용해 중첩된 설정 값에 접근하세요:

```javascript theme={null}
${config:parent.child.grandchild}
```

여기서 `parent`, `child`, `grandchild`는 중첩된 설정 딕셔너리의 키입니다.

예를 들어, 중첩 딕셔너리가 포함된 다음 설정을 로그한다고 가정해 보겠습니다:

```python theme={null}
config = {
    "model": {
        "type": "resnet",
        "layers": 50
    },
    "training": {
        "batch_size": 32,
        "learning_rate": 0.001
    }
}

with wandb.init(project="my-project", config=config) as run:
    ...
```

`${config:model.type}`로 모델 유형을 참조할 수 있습니다. `${config:training.batch_size}`로 배치 크기를 참조할 수 있습니다.

다른 예로, 중첩된 딕셔너리가 있는 다음 `config`를 살펴보겠습니다:

```json Config parameters  theme={null}
config:
  optimizer:
    value:
      lr: 0.001
      weight_decay: 0.01
  model:
    value:
      hidden_size: 768
```

학습률은 `${config:optimizer.value.lr}`로, 모델의 은닉 크기는 `${config:model.value.hidden_size}`로, 가중치 감쇠는 `${config:optimizer.value.weight_decay}`로 참조하세요.

<div id="available-operators">
  ### 사용 가능한 연산자
</div>

W\&B는 선형 플롯 표현식에서 다음 연산자를 지원합니다:

| 범주    | 연산자                                            |
| ----- | ---------------------------------------------- |
| 산술    | `+`, `-`, `*`, `/`, `%` (모듈로), `**` (거듭제곱)     |
| 비교    | `==`, `!=`, `===`, `!==`, `<`, `>`, `<=`, `>=` |
| 비트 연산 | `\|`, `^`, `&`, `<<`, `>>`, `>>>`              |
| 논리    | `\|\|`, `&&`                                   |

<div id="math-constants-and-functions">
  ### 수학 상수 및 함수
</div>

모든 JavaScript 수학 함수와 상수를 지원합니다. 자세한 내용은 [MDN Math 문서](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Math)를 참조하세요. 다음 표에서는 선형 플롯 표현식에서 가장 자주 사용되는 함수와 상수를 요약합니다.

<div id="math-constants">
  #### 수학 상수
</div>

| 상수        | 설명         |
| --------- | ---------- |
| `e`       | 오일러 수      |
| `pi`      | 원주율        |
| `ln2`     | 2의 자연로그    |
| `ln10`    | 10의 자연로그   |
| `log2e`   | e의 밑 2 로그  |
| `log10e`  | e의 밑 10 로그 |
| `sqrt2`   | 2의 제곱근     |
| `sqrt1_2` | 1/2의 제곱근   |

<div id="arithmetic-and-statistical-functions">
  #### 산술 및 통계 함수
</div>

다음 표는 사용 가능한 산술 및 통계 함수를 설명합니다.

| 함수             | 설명                   |
| -------------- | -------------------- |
| abs(x)         | 절댓값                  |
| ceil(x)        | 올림 함수(가장 가까운 정수로 올림) |
| floor(x)       | 내림 함수(가장 가까운 정수로 내림) |
| round(x)       | 가장 가까운 정수로 반올림       |
| min(x, y, ...) | 최솟값                  |
| max(x, y, ...) | 최댓값                  |
| sqrt(x)        | 제곱근                  |

<div id="logarithmic-and-exponential-functions">
  #### 로그 함수와 지수 함수
</div>

다음 표에서는 사용 가능한 로그 함수와 지수 함수를 설명합니다.

| 함수        | 설명           |
| --------- | ------------ |
| log(x)    | 자연로그(밑 e)    |
| log10(x)  | 밑이 10인 로그    |
| log2(x)   | 밑이 2인 로그     |
| exp(x)    | 지수 함수(e^x)   |
| pow(x, y) | 거듭제곱 함수(x^y) |

<div id="trigonometric-functions">
  #### 삼각 함수
</div>

다음 표에서는 사용 가능한 삼각 함수를 설명합니다.

| 함수          | 설명          |
| ----------- | ----------- |
| sin(x)      | 사인          |
| cos(x)      | 코사인         |
| tan(x)      | 탄젠트         |
| asin(x)     | 아크사인(역사인)   |
| acos(x)     | 아크코사인(역코사인) |
| atan(x)     | 아크탄젠트(역탄젠트) |
| atan2(y, x) | 2인수 아크탄젠트   |

<div id="hyperbolic-functions">
  #### 쌍곡선 함수
</div>

다음 표는 사용 가능한 쌍곡선 함수를 설명합니다:

| 함수      | 설명      |
| ------- | ------- |
| sinh(x) | 쌍곡선 사인  |
| cosh(x) | 쌍곡선 코사인 |
| tanh(x) | 쌍곡선 탄젠트 |

<div id="example-expressions">
  ### 예시 표현식
</div>

다음은 선형 플롯 축에 사용할 수 있는 예시 표현식입니다. 이 예시들은 이해를 돕기 위한 것입니다. 필요에 맞는 복잡한 표현식을 만들려면 앞선 섹션에서 설명한 연산자와 함수를 원하는 방식으로 조합해 사용할 수 있습니다.

다음 예시에서는 [요약 메트릭](/ko/models/track/log/log-summary#log-summary-metrics)에 `accuracy`와 `loss`가 포함되어 있으며, 각각의 값은 다음과 같다고 가정합니다:

```json Summary metrics theme={null}
{
  "accuracy": 0.7829240801794489,
  "loss": 0.2194763318905079
}
```

그리고 설정이 다음과 같다고 가정해 보겠습니다.

```json Config parameters theme={null}
config = {
    "epochs": 100,
    "optimizer": {
        "value": {
            "lr": 0.001,
            "weight_decay": 0.01
        }
    }
}
```

상수 값을 더해 정확도 지표를 세로로 이동합니다. 다음 예에서는 정확도 지표를 1만큼 위로 이동합니다:

```javascript theme={null}
1 - accuracy
```

메트릭을 일정한 값만큼 수직으로 이동합니다. 이 경우에는 학습률(`lr`)을 사용합니다:

```javascript theme={null}
accuracy+${config:optimizer.value.lr}
```

메트릭의 사인을 계산합니다. 다음 예에서는 loss 메트릭의 사인을 계산합니다:

```javascript theme={null}
sin(loss)
```

사인 함수를 적용해 메트릭을 위상 이동합니다. 예를 들어, 사인 함수를 적용해 loss 메트릭을 2만큼 위상 이동합니다:

```javascript theme={null}
sin(loss - 2)
```

`batch_size`라는 설정 파라미터를 사용해 정확도 메트릭의 스케일을 조정합니다:

```javascript theme={null}
${accuracy} / ${config:batch_size}
```

두 메트릭 중 최솟값을 계산합니다. 다음 예에서는 loss와 정확도 중 최솟값을 계산합니다:

```javascript theme={null}
min(loss, accuracy)
```

두 메트릭의 제곱합의 제곱근을 계산합니다. 다음 예에서는 loss와 정확도의 제곱합의 제곱근을 계산합니다:

```javascript theme={null}
sqrt(loss ** 2 + accuracy ** 2)
```

loss의 지수 함수를 계산합니다. 다음 예에서는 loss metric의 지수 함수를 계산합니다:

```javascript theme={null}
sqrt(loss*100)+sqrt(loss*100000)
```

<Note>
  표현식에서 `${summary:metric_name}` 구문을 사용해 summary 메트릭 값도 참고할 수 있습니다. 예를 들면 다음과 같습니다.

  ```javascript theme={null}
  sqrt(${summary:loss}*100)+sqrt(${summary:loss}*100000)
  ```
</Note>

<div id="multi-metric-panel-expressions">
  ### 다중 메트릭 패널 표현식
</div>

정규식을 사용하면 여러 메트릭을 함께 표시하는 단일 선형 플롯을 만들 수 있습니다(나중에 로깅되는 일치 메트릭도 포함). 자세한 지침은 [선형 플롯 추가하기](/ko/models/app/features/panels/line-plot#multi-metric-line-plot)를 참조하세요.

예를 들면 다음과 같습니다.

* 각 레이어의 메트릭마다 별도의 패널을 만드는 대신, 하나의 패널에서 함께 볼 수 있습니다. 예를 들어 `layer_0_loss`, `layer_1_loss`, `layer_2_loss`처럼 일관된 이름으로 메트릭을 로깅하는 경우, `layer_\d+_loss`와 같은 정규식을 사용해 모든 레이어의 loss를 하나의 플롯에 표시할 수 있습니다.
* 공통된 명명 패턴을 공유하는 모든 메트릭과 일치시킬 수 있습니다. 예를 들면 다음과 같습니다.
  * `train_.*`는 `train_loss`, `train_accuracy`, `train_f1_score`와 같은 모든 트레이닝 메트릭과 일치합니다
  * `.*_accuracy`는 `train_accuracy`, `val_accuracy`, `test_accuracy`처럼 서로 다른 데이터셋의 accuracy 메트릭과 일치합니다
* alternation을 사용해 원하는 메트릭만 일치시킬 수 있습니다. 예를 들어 비캡처 그룹 `(?:layer_0|layer_10)_loss`는 중간 레이어를 제외하고 첫 번째와 열 번째 레이어의 loss에만 일치합니다.

<div id="capture-groups">
  #### 캡처 그룹
</div>

정규 표현식의 캡처 그룹은 여러 메트릭 패널이 생성되는 방식을 제어합니다. 이를 예상하지 못했다면 이런 동작이 혼란스러울 수 있습니다.

* **캡처 그룹은 여러 패널을 생성합니다**
  정규 표현식에 캡처 그룹을 형성하는 괄호가 포함되면, UI는 해당 그룹에서 캡처한 각 고유 값마다 별도의 패널을 생성합니다.

  예를 들어, 표현식 `(layer_0|layer_10)_loss`에는 캡처 그룹이 포함되어 있어 두 개의 별도 패널이 생성됩니다:

  1. `layer_0`와 일치하는 메트릭용 패널 1개
  2. `layer_10`와 일치하는 메트릭용 패널 1개

* **비캡처 그룹은 메트릭을 함께 유지합니다**
  별도의 패널을 만들지 않고 여러 대안을 매칭하려면 `?:` 구문을 사용하는 비캡처 그룹을 사용하세요. 표현식 `(?:layer_0|layer_10)_loss`는 앞선 예시와 동일한 메트릭에 매칭되지만, 하나의 패널에 함께 표시됩니다.

차이는 다음과 같습니다:

* `(layer_0|layer_10)_loss` - 각 레이어별로 패널 1개씩, 총 2개의 패널을 생성합니다.
* `(?:layer_0|layer_10)_loss` - 두 레이어를 함께 보여주는 패널 1개를 생성합니다.

이 기능을 사용하면 분석 요구에 가장 적합한 방식을 유연하게 선택할 수 있습니다. 메트릭을 별도 패널로 분리하려면 캡처 그룹을 사용하세요. 하나의 플롯에서 메트릭을 함께 비교하려면 비캡처 그룹을 사용하세요.