Las tefras alteradas (K-bentonitas) son de gran importancia para la calibración de la escala de tiempo geológico, para correlaciones locales, regionales y globales, y reconstrucciones paleoambientales. Por lo tanto, la identificación definitiva de tefras individuales es crítica. La geoquímica de cristal único se ha utilizado para diferenciar capas de tefra, y la apatita es uno de los fenocristales que comúnmente se encuentra en las tefras y que ha sido ampliamente utilizado. Aquí, utilizamos conjuntos de datos analíticos existentes y recién adquiridos (datos de microanalizador de sonda electrónica [EPMA] y datos de ICP-MS por ablación láser [LA-ICP-MS], respectivamente) de apatita en varias K-bentonitas ordovicianas que fueron recolectadas de localidades a unos 1200 km de distancia (Minnesota/Iowa/Wisconsin y Alabama, Estados Unidos) para probar el uso de técnicas de aprendizaje automático (ML) para identificar con confianza capas individuales de tefra. Nuestros resultados muestran que el árbol de decisión basado en datos de EPMA utiliza los patrones de concentración elemental de Mg, Mn y Cl, consistente con estudios previos que enfatizan la utilidad de estos elementos para distinguir K-bentonitas ordovicianas. Sin embargo, las diferencias en los montajes experimentales de los análisis pueden llevar a desplazamientos en las concentraciones elementales absolutas que pueden tener un impacto significativo en la correcta identificación y correlación de lechos individuales de K-bentonita. El modelo de ML que utiliza datos de LA-ICP-MS pudo identificar varias K-bentonitas en los Apalaches del sur y establecer vínculos con muestras de K-bentonitas del Alto Valle del Mississippi. Además, el modelo de ML identificó capas individuales de erupciones multifásicas, ilustrando así muy bien el gran potencial de aplicar técnicas de ML a la tefrocronología.