Los algoritmos de aprendizaje automático se utilizan en muchas aplicaciones hoy en día. A veces, necesitamos describir cómo los modelos de decisión creados generan resultados, y esto puede no ser una tarea fácil. Las técnicas de visualización de información (InfoVis) (por ejemplo, TreeMap, coordenadas paralelas, etc.) se pueden utilizar para crear escenarios que describan visualmente el comportamiento de esos modelos. Así, se utilizaron escenarios de InfoVis para analizar el proceso evolutivo de una herramienta llamada AutoClustering, que genera algoritmos de agrupamiento basados en densidad automáticamente para un conjunto de datos dado utilizando la técnica evolutiva EDA (algoritmo de estimación de distribución). Algunos escenarios trataban sobre la evolución de la aptitud y la población (algoritmos de agrupamiento) a lo largo del tiempo, parámetros del algoritmo, la ocurrencia del individuo, entre otros. El análisis de esos escenarios podría llevar al desarrollo de mejores parámetros para la herramienta AutoClustering y los algoritmos, y así tener un impacto directo en el tiempo de procesamiento y la calidad de los algoritmos generados.