Al analizar datos de alta dimensionalidad con muchos elementos, a menudo se realiza una visualización de datos que mapea los datos en un espacio de baja dimensionalidad. Al visualizar los datos, los humanos pueden entender intuitivamente la estructura de los datos en el espacio de alta dimensionalidad. El mapa autoorganizado (SOM) es uno de esos métodos de visualización de datos. Proponemos un SOM esférico estructurado en árbol (S-TS-SOM), que acelera la búsqueda de nodos ganadores y elimina la desigualdad de aprendizaje debido a la posición de los nodos ganadores al colocar los nodos en una esfera y aplicar el método de búsqueda de árbol. En este artículo, confirmamos que el S-TS-SOM puede lograr los mismos resultados que un SOM esférico normal mientras reduce el tiempo de aprendizaje. Además, confirmamos la granularidad de agrupación en la estructura de árbol del S-TS-SOM.