Varios criterios y algoritmos pueden ser utilizados para la agrupación, lo que lleva a resultados muy distintos y posibles sesgos hacia conjuntos de datos con ciertas estructuras. Más generalmente, la selección del algoritmo más efectivo a aplicar para un conjunto de datos dado, basado en sus características, es un problema que ha sido ampliamente estudiado en el campo del meta-aprendizaje. Avances recientes en forma de una nueva metodología conocida como Análisis del Espacio de Instancias brindan una oportunidad para extender tales meta-análisis y obtener una mayor comprensión visual de la relación entre las características de los conjuntos de datos y el rendimiento de diferentes algoritmos. El objetivo de este estudio es realizar un Análisis del Espacio de Instancias por primera vez para problemas y algoritmos de agrupación. Como resultado, somos capaces de analizar el impacto de la elección de las instancias de prueba empleadas, y las fortalezas y debilidades de algunos algoritmos de agrupación populares, para conjuntos de datos con diferentes estructuras.