(eBook PDF) Handbook of Statistical Analysis and

Data Mining Applications 2nd Edition download

https://ebookluna.com/product/ebook-pdf-handbook-of-statistical-
analysis-and-data-mining-applications-2nd-edition/

Download full version ebook from https://ebookluna.com

 We believe these products will be a great fit for you. Click
the link to download now, or visit ebookluna.com
to discover even more!

Handbook of statistical analysis and data mining applications Second

Edition Elder - eBook PDF

https://ebookluna.com/download/handbook-of-statistical-analysis-and-data-
mining-applications-ebook-pdf/

(eBook PDF) Data Mining and Predictive Analytics 2nd Edition

https://ebookluna.com/product/ebook-pdf-data-mining-and-predictive-
analytics-2nd-edition/

Predictive Modeling in Biomedical Data Mining and Analysis 1st Edition-

eBook PDF

https://ebookluna.com/download/predictive-modeling-in-biomedical-data-
mining-and-analysis-ebook-pdf/

(eBook PDF) Data Mining for Business Analytics: Concepts, Techniques, and
Applications in R

https://ebookluna.com/product/ebook-pdf-data-mining-for-business-analytics-
concepts-techniques-and-applications-in-r/
(eBook PDF) An Introduction to Statistical Methods & Data Analysis 7th

https://ebookluna.com/product/ebook-pdf-an-introduction-to-statistical-
methods-data-analysis-7th/

(eBook PDF) Introduction to Data Mining, Global Edition 2nd Edition

https://ebookluna.com/product/ebook-pdf-introduction-to-data-mining-global-
edition-2nd-edition/

(eBook PDF) Data Mining for Business Analytics: Concepts, Techniques, and
Applications with JMP Pro

https://ebookluna.com/product/ebook-pdf-data-mining-for-business-analytics-
concepts-techniques-and-applications-with-jmp-pro/

Handbook of Thermal Analysis and Calorimetry: Recent Advances, Techniques

and Applications 2nd Edition Sergey Vyazovkin - eBook PDF

https://ebookluna.com/download/handbook-of-thermal-analysis-and-
calorimetry-recent-advances-techniques-and-applications-ebook-pdf/

(eBook PDF) Data Mining Concepts and Techniques 3rd

https://ebookluna.com/product/ebook-pdf-data-mining-concepts-and-
techniques-3rd/
 vii
CONTENTS  

Application to Mixed Models 207 Postscript 288

Neural Nets for Prediction 208 References 288
Support Vector Machines (SVMS) and Other Kernel
Learning Algorithms 211 15. Fraud Detection
Postscript 212 Preamble 289
References 213 Issues With Fraud Detection 289
How Do You Detect Fraud? 292
11. Model Evaluation and Enhancement Supervised Classification of Fraud 293
Preamble 215 How Do You Model Fraud? 294
Evaluation and Enhancement: Part of the Modeling How Are Fraud Detection Systems Built? 295
Process 215 Intrusion Detection Modeling 296
Types of Errors in Analytical Models 216 Comparison of Models With and Without
Model Enhancement Techniques 227 Time-Based Features 297
Model Enhancement Checklist 231 Building Profiles 301
Postscript 232 Deployment of Fraud Profiles 302
References 232 Postscript 302
References 302
12. Predictive Analytics for Population
Health and Care
Preamble 235 III
The Future of Healthcare, and How Predictive TUTORIALS AND CASE
Analytics Fits 235
Predictive Analytics and Population Health 246 STUDIES
Predictive Analytics and Precision
Medicine 253 Tutorial A Example of Data Mining
Postscript 257 Recipes Using Windows 10 and
References 257 Statistica 13
Further Reading 258 LINDA A. MINER

13. Big Data in Education: New

Efficiencies for Recruitment, Learning, and Tutorial B Using the Statistica Data
Retention of Students and Donors Mining Workspace Method for Analysis of
ANDY PETERSON
Hurricane Data (Hurrdata.sta)
JEFF WONG
Preamble 259
Introduction 259
Industrial Integration of Educational Psychology and
Tutorial C Case Study—Using SPSS
Big Data Analytics 274 Modeler and STATISTICA to Predict
Postscript 275 Student Success at High-Stakes Nursing
References 276 Examinations (NCLEX)
Further Reading 277 GALINA BELOKUROVA, CHIARINA PIAZZA

14. Customer Response Modeling Introduction 335

Preamble 279 Decision Management in Nursing Education 336
Early CRM Issues in Business 279 Case Study 337
Knowing How Customers Behaved Before They Research Question 337
Acted 280 Literature Review 337
CRM in Business Ecosystems 281 Dataset and Expected Strength of Predictors 338
Conclusions 287 Data Mining With SPSS Modeler 339
viii CONTENTS

Data Mining With STATISTICA 348 Tutorial I Data Prep 1–2: Data
Conclusion 355 Description
References 356
ROBERTA BORTOLOTTI, MSIS, CBAP
Further Reading 357

Tutorial D Constructing a Histogram Tutorial J Data Prep 2-1: Data

in KNIME Using MidWest Company Cleaning and Recoding
Personality Data ROBERTA BORTOLOTTI
LINDA A. MINER

Tutorial K Data Prep 2-2: Dummy

Tutorial E Feature Selection in KNIME Coding Category Variables
BOB NISBET
ROBERTA BORTOLOTTI

Why Select Features? 377

Occam’s Razor—Simple, But Not
Simplistic 377 Tutorial L Data Prep 2-3: Outlier
Local Minimum Error 378 Handling
Moving Out of the Local Minimum 379 ROBERTA BORTOLOTTI
Strategies for Reduction of Dimensionality
in Predictive Analytics Available in
KNIME 379
Tutorial M Data Prep 3-1: Filling
Missing Values With Constants
Tutorial F Medical/Business Tutorial ROBERTA BORTOLOTTI
LINDA A. MINER

Tutorial N Data Prep 3-2: Filling Missing

Tutorial G A KNIME Exercise, Values With Formulas
Using Alzheimer’s Training Data of ROBERTA BORTOLOTTI
Tutorial F
LINDA A. MINER

Introduction 423 Tutorial O Data Prep 3-3: Filling

KNIME Project 423 Missing Values With a Model
Getting the Program to Open Microsoft ROBERTA BORTOLOTTI
Excel CSV File: Alzheimer Training
Data 426
Decision Trees Node 428 Tutorial P City of Chicago Crime
Linear Correlation Node 432
Map: A Case Study Predicting Certain
Conditional Box Plot Node 436
Decision Trees Again 438 Kinds of Crime Using Statistica
End Note 442 Data Miner and Text Miner
ENDRIN TUSHE

Tutorial H Data Prep 1-1: Merging Data Analysis 599

Data Sources Text Mining 606
ROBERTA BORTOLOTTI, MSIS, CBAP Boosted Trees 614
 ix
CONTENTS  

Tutorial Q Using Customer Churn Data Generalized Degrees of Freedom 711

to Develop and Select a Best Predictive Examples: Decision Tree Surface With Noise 712
Summary and Discussion 715
Model for Client Defection Using Postscript 716
STATISTICA Data Miner 13 64-bit for Acknowledgment 717
Windows 10 References 717
RICHARD PORTER WITH ASSISTANCE OF ROBERT NISBET, Further Reading 718
LINDA A. MINER, GARY MINER
17. The “Right Model” for the
About This Tutorial 627
Business Objectives 627
“Right Purpose”: When Less Is Good
Data Preparation 630 Enough
Feature Selection 642 Preamble 719
Building a Predictive Model With STATISTICA More Is Not Necessarily Better: Lessons From Nature
Data Miner DMRecipes 646 and Engineering 720
Model Evaluation 648 Postscript 726
References 726
Tutorial R Example With C&RT to
Predict and Display Possible Structural 18. A Data Preparation Cookbook
Preamble 727
Relationships Introduction 727
GREG ROBINSON, LINDA A. MINER, MARY A. MILLIKIN CRISP-DM—Business Understanding Phase 728
CRISP-DM—Data Understanding Phase 729
References 674 CRISP-DM—Data Preparation Phase 732
CRISP-DM—Modeling Phase 736
Tutorial S Clinical Psychology: Making 18 Common Mistakes in Data Preparation in
Decisions About Best Therapy for a Client Predictive Analytics Projects 736
LINDA A. MINER Postscript 739
References 740

19. Deep Learning

IV Preamble 741
The Guiding Concept of DL Technology—Human
MODEL ENSEMBLES, MODEL Cognition 742
COMPLEXITY; USING THE Early Artificial Neural Networks (ANNs) 743
RIGHT MODEL FOR THE How ANNs Work 745
More Elaborate Architectures—DL Neural
RIGHT USE, SIGNIFICANCE, Networks 746
ETHICS, AND THE FUTURE, Postscript 750
References 751
AND ADVANCED PROCESSES Further Reading 751
16. The Apparent Paradox of Complexity 20. Significance versus Luck in the
in Ensemble Modeling Age of Mining: The Issues of P-Value
JOHN ELDER, ANDY PETERSON
“Significance” and “Ways to Test
Preamble 705 Significance of Our Predictive Analytic
Introduction 706 Models”
Model Ensembles 706 Preamble 753
How Measure Model Complexity? 709 Introduction 753
x CONTENTS

The Problem of Significance in Traditional P-Value Ethics and Data Science for the Virtues of Personal
Statistical Analysis 754 Life (Existential-Motivational) 769
USUAL Data Mining/Predictive Analytic Combination: Right Standards, Right Goals,
Performance Measures—Terminology 759 and Personal Virtue (Normative, Situational,
Unique Ways to Test Accuracy (“Significance”) Existential) 770
of Machine Learning Predictive Models 760 Michael Sandel on “Doing The Right Thing” With
Compare Predictive Model Performance Against Data Analytics 770
Random Results With Lift Charts and Decile Discovering Data Ethics in an “Alignment
Tables 760 Methodology” 771
Evaluate the Validity of Your Discovery With Target References 772
Shuffling 762 Further Reading 772
Test Predictive Model Consistency With Bootstrap
Sampling 763 22. IBM Watson
Postscript 764 Preamble 773
References 765 Introduction 773
What Exactly Is Watson? 773
21. Ethics and Data Analytics Jeopardy! 774
Internal Features of Watson 774
ANDY PETERSON
Application Programming Interfaces (APIs) 776
Preamble 767 Software Development Kits (SDKs) 778
The Birthday Party—A Practical Example for Ethical Some Existing Applications of Watson
Action 767 Techology 778
Academic Secular Ethics 768 Ushering in the Cognitive Era 780
Ethics and Data Science for the Norms of Postscript 780
Government (Deontological-Normative) 769 Reference 781
Ethics and Data Science for the Goals in Business
(Situational-Teleological) 769 Index 783
 List of Tutorials on the Elsevier
Companion Web Page

Note: This list includes all the extra tuto- 8. TUTORIAL “W”—Diabetes Control in
rials published with the 1st edition of this Patients [Field: Medical Informatics]
handbook (2009). These can be considered 9. TUTORIAL “X”—Independent
“enrichment” tutorials for readers of this 2nd Component Analysis [Field: Separating
edition. Since the 1st edition of the handbook Competing Signals]
will not be available after the release of the 10. TUTORIAL “Y”—NTSB Aircraft
2nd edition, these extra tutorials are carried Accidents Reports [Field: Engineering—
over in their original format/versions of soft- Air Travel—Text Mining]
ware, as they are still very useful in learning 11. TUTORIAL “Z”—Obesity Control in
and understanding data mining and predic- Children [Field: Preventive Health Care]
tive analytics, and many readers will want to 12. TUTORIAL “AA”—Random Forests
take advantage of them. Example [Field: Statistics—Data Mining]
List of Extra Enrichment Tutorials that 13. TUTORIAL “BB”—Response
are only on the ELSEVIER COMPANION Optimization [Field: Data Mining—
web page, with data sets as appropriate, for Response Optimization]
downloading and use by readers of this 2nd 14. TUTORIAL “CC”—Diagnostic Tooling
edition of handbook: and Data Mining: Semiconductor Industry
[Field: Industry—Quality Control]
1. TUTORIAL “O”—Boston Housing
15. TUTORIAL “DD”—Titanic—Survivors
Using Regression Trees [Field:
of Ship Sinking [Field: Sociology]
Demographics]
16. TUTORIAL “EE”—Census Data
2. TUTORIAL “P”—Cancer Gene [Field:
Analysis [Field: Demography—Census]
Medical Informatics & Bioinformatics]
17. TUTORIAL “FF”—Linear & Logistic
3. TUTORIAL “Q”—Clustering of Shoppers
Regression—Ozone Data [Field:
[Field: CRM—Clustering Techniques]
Environment]
4. TUTORIAL “R”—Credit Risk
18. TUTORIAL “GG”—R-Language
using Discriminant Analysis [Field:
Integration—DISEASE SURVIVAL
Financial—Banking]
ANALYSIS Case Study [Field: Survival
5. TUTORIAL “S”—Data Preparation and
Analysis—Medical Informatics]
Transformation [Field: Data Analysis]
19. TUTORIAL “HH”—Social Networks
6. TUTORIAL “T”—Model Deployment
Among Community Organizations
on New Data [Field: Deployment of
[Field: Social Networks—Sociology &
Predictive Models]
Medical Informatics]
7. TUTORIAL “V”—Heart Disease Visual
20. TUTORIAL “II”—Nairobi, Kenya
Data Mining Methods [Field: Medical
Baboon Project: Social Networking
Informatics]

xi
xii LIST OF TUTORIALS ON THE ELSEVIER COMPANION WEB PAGE

Among Baboon Populations in Kenya 22. TUTORIAL “KK”—Dahlia Mosaic

on the Laikipia Plateau [Field: Social Virus: A DNA Microarray Analysis of 10
Networks] Cultivars from a Single Source: Dahlia
21. TUTORIAL “JJ”—Jackknife and Garden in Prague, Czech Republic
Bootstrap Data Miner Workspace and [Field: Bioinformatics]
MACRO [Field: Statistics Resampling
Methods]

The final companion site URL will be https://www.elsevier.com/books-and-journals/

book-companion/9780124166325.
 Foreword 1 for 1st Edition

This book will help the novice user be- • Asking the wrong question—when
come familiar with data mining. Basically, looking for a rare phenomenon, it may
data mining is doing data analysis (or statis- be helpful to identify the most common
tics) on data sets (often large) that have been pattern. These may lead to complex
obtained from potentially many sources. As analyses, as in item 3, but they may also
such, the miner may not have control of the be conceptually simple. Again, you may
input data, but must rely on sources that have need to take care that you don't overfit
gathered the data. As such, there are prob- the data.
lems that every data miner must be aware of • Don't become enamored with the data.
as he or she begins (or completes) a mining There may be a substantial history from
operation. I strongly resonated to the mate- earlier data or from domain experts that
rial on “The Top 10 Data Mining Mistakes,” can help with the modeling.
which give a worthwhile checklist: • Be wary of using an outcome variable (or
• Ensure you have a response variable and one highly correlated with the outcome
predictor variables—and that they are variable) and becoming excited about the
correctly measured. result. The predictors should be “proper”
• Beware of overfitting. With scads of predictors in the sense that they (a) are
variables, it is easy with most statistical measured prior to the outcome and (b)
programs to fit incredibly complex are not a function of the outcome.
models, but they cannot be reproduced. It • Do not discard outliers without solid
is good to save part of the sample to use justification. Just because an observation
to test the model. Various methods are is out of line with others is insufficient
offered in this book. reason to ignore it. You must check the
• Don't use only one method. Using only circumstances that led to the value. In
linear regression can be a problem. any event, it is useful to conduct the
Try dichotomizing the response or analysis with the observation(s) included
categorizing it to remove nonlinearities and excluded to determine the sensitivity
in the response variable. Often, there are of the results to the outlier.
clusters of values at zero, which messes • Extrapolating is a fine way to go
up any normality assumption. This, of broke; the best example is the stock
course, loses information, so you may market. Stick within your data, and
want to categorize a continuous response if you must go outside, put plenty
variable and use an alternative to of caveats. Better still, restrain the
regression. Similarly, predictor variables impulse to extrapolate. Beware that
may need to be treated as factors rather pictures are often far too simple and
than linear predictors. A classic example we can be misled. Political campaigns
is using marital status or race as a linear oversimplify complex problems (“my
predictor when there is no order. opponent wants to raise taxes”; “my

xiii
xiv FOREWORD 1 FOR 1st EDITION

opponent will take us to war”) when using mean replacement, almost the
the realities may imply we have same set of predictor variables surfaced,
some infrastructure needs that can be but the residual sum of squares was 20.
handled only with new funding or we I then used multiple imputation and
have been attacked by some bad guys. found approximately the same set of
Be wary of your data sources. If you are predictors but had a residual sum of
combining several sets of data, they need squares (median of 20 imputations) of
to meet a few standards: 25. I find that mean replacement is rather
• The definitions of variables that are optimistic but surely better than relying
being merged should be identical. Often, on only complete cases. Using stepwise
they are close but not exact (especially regression, I find it useful to replicate
in metaanalysis where clinical studies it with a bootstrap or with multiple
may have somewhat different definitions imputations. However, with large data
due to different medical institutions or sets, this approach may be expensive
laboratories). computationally.
• Be careful about missing values. Often, To conclude, there is a wealth of material
when multiple data sets are merged, in this handbook that will repay study.
missing values can be induced: one
variable isn't present in another data set; Peter A. Lachenbruch
what you thought was a unique variable Oregon State University, Corvallis, OR,
name was slightly different in the two United States
sets, so you end up with two variables American Statistical Association,
that both have a lot of missing values. Alexandria, VA, United States
• How you handle missing values can be Johns Hopkins University, Baltimore,
crucial. In one example, I used complete MD, United States
cases and lost half of my sample; all UCLA, Los Angeles, CA, United States
variables had at least 85% completeness, University of Iowa, Iowa City, IA,
but when put together, the sample lost United States
half of the data. The residual sum of University of North Carolina, Chapel
squares from a stepwise regression was Hill, NC, United States
about 8. When I included more variables
 Foreword 2 for 1st Edition

A November 2008 search on https:// This book is different; it is organized

www.amazon.com/ for “data mining” with the practitioner in mind. The volume
books yielded over 15,000 hits—including 72 is divided into four parts. Part I provides
to be published in 2009. Most of these books an overview of analytics from a historical
either describe data mining in very technical perspective and frameworks from which to
and mathematical terms, beyond the reach approach data mining, including CRISP-DM
of most individuals, or approach data min- and SEMMA. These chapters will provide a
ing at an introductory level without suffi- novice analyst an excellent overview by de-
cient detail to be useful to the practitioner. fining terms and methods to use and will
The Handbook of Statistical Analysis and Data provide program managers a framework
Mining Applications is the book that strikes from which to approach a wide variety of
the right balance between these two treat- data mining problems. Part II describes algo-
ments of data mining. rithms, though without extensive mathemat-
This volume is not a theoretical treatment ics. These will appeal to practitioners who
of the subject—the authors themselves recom- are or will be involved with day-to-day an-
mend other books for this—but rather contains alytics and need to understand the qualita-
a description of data mining principles and tive aspects of the algorithms. The inclusion
techniques in a series of “knowledge-­transfer” of a chapter on text mining is particularly
sessions, where examples from real data mining timely, as text mining has shown tremen-
projects illustrate the main ideas. This aspect dous growth in recent years.
of the book makes it most valuable for practi- Part III provides a series of tutorials that
tioners, whether novice or more experienced. are both domain-specific and software-­
While it would be easier for everyone if specific. Any instructor knows that examples
data mining were merely a matter of find- make the abstract concept more concrete,
ing and applying the correct mathematical and these tutorials accomplish exactly that.
equation or approach for any given problem, In addition, each tutorial shows how the
the reality is that both “art” and “science” ­solutions were developed using popular data
are necessary. The “art” in data mining re- mining software tools, such as Clementine,
quires experience: when one has seen and Enterprise Miner, Weka, and STATISTICA.
overcome the difficulties in finding solutions The step-by-step specifics will assist practi-
from among the many possible approaches, tioners in learning not only how to approach
one can apply newfound wisdom to the next a wide variety of problems but also how
project. However, this process takes consid- to use these software products effectively.
erable time, and particularly for data min- Part IV presents a look at the future of data
ing novices, the iterative process inevitable mining, including a treatment of model
in data mining can lead to discouragement ensembles and “The Top 10 Data Mining
when a “textbook” approach doesn't yield a Mistakes,” from the popular presentation by
good solution. Dr. Elder.

xv
xvi FOREWORD 2 FOR 1st EDITION

However, the book is best read a few the ­excellent “History of Statistics and Data
chapters at a time while actively doing Mining” chapter and chapters 16, 17, and
the data mining rather than read cover to 18. These are broadly applicable and should
cover (a daunting task for a book this size). be read by even the most experienced data
Practitioners will appreciate tutorials that miners.
match their business objectives and choose The Handbook of Statistical Analysis and
to ignore other tutorials. They may choose Data Mining Applications is an exceptional
to read sections on a particular algorithm to book that should be on every data miner's
increase insight into that algorithm and then bookshelf or, better yet, found lying open
decide to add a second algorithm after the next to their computer.
first is mastered. For those new to a partic-
ular software tool highlighted in the tutori- Dean Abbott
als section, the step-by-step approach will Abbott Analytics, San Diego, CA,
operate much like a user's manual. Many United States
chapters stand well on their own, such as
 Preface

Much has happened in the professional • Operations research—decision science

discipline known previously as data mining and optimization of business processes
since the first edition of this book was written • Stock market quants—focused on
in 2008. This discipline has broadened and stock market trading and portfolio
deepened to a very large extent, requiring a optimization.
major reorganization of its elements. A new • Data engineering—focused on
parent discipline was formed, data science, optimizing data flow through memories
which includes previous subjects and activi- and storage structures
ties in data mining and many new elements • Business intelligence—focused primarily
of the scientific study of data, including stor- on descriptive aspects of data but
age structures optimized for analytic use, predictive aspects are coming
data ethics, and performance of many ac- • Business analytics—focused primarily
tivities in business, industry, and education. on the predictive aspects of data but is
Analytic aspects that used to be included in merging with descriptives
data mining have broadened considerably to (based on an article by Vincent

include image analysis, facial recognition, in- Granville published in http://www.
dustrial performance and control, threat de- datasciencecentral.com/profiles/
tection, fraud detection, astronomy, national blogs/17-analytic-disciplines-compared.)
security, weather forecasting, and financial In this book, we will use the terms “data
forensics. Consequently, several subdisci- mining” and “predictive analytics” synony-
plines have been erected to contain various mously, even though data mining includes
specialized data analytic applications. These many descriptive operations also.
subdisciplines of data science include the Modern data mining tools, like the ones
following: featured in this book, permit ordinary busi-
• Machine learning—analytic algorithm ness analysts to follow a path through the
design and optimization data mining process to create models that
• Data mining—generally restricted in are “good enough.” These less-than-optimal
scope now to pattern recognition apart models are far better in their ability to lever-
from causes and interpretation age faint patterns in databases to solve prob-
• Predictive analytics—using algorithms to lems than the ways it used to be done. These
predict things, rather than describe them tools provide default configurations and
or manage them automatic operations, which shield the user
• Statistical analysis—use of parametric from the technical complexity underneath.
statistical algorithms for analysis and They provide one part in the crude analogy
prediction to the automobile interface. You don't have
• Industrial statistical analysis—analytic to be a chemical engineer or physicist who
techniques to control and direct industrial understands moments of force to be able to
operations operate a car. All you have to do is learn to

xvii
xviii PREFACE

turn the key in the ignition, step on the gas is enough here to permit you to construct
and the brake at the right times, and turn the “smart enough” business operations with a
wheel to change direction in a safe manner, relatively small amount of the right informa-
and voilà, you are an expert user of the very tion. James Taylor developed this concept
complex technology under the hood. The for automating operational ­decision-making
other half of the story is the instruction man- in the area of enterprise decision man-
ual and the driver's education course that agement (Raden and Taylor, 2007). Taylor
help you to learn how to drive. recognized that companies need decision-
This book provides the instruction man- making systems that are automated enough
ual and a series of tutorials to train you how to keep up with the volume and time-­critical
to do data mining in many subject areas. We nature of modern business operations.
provide both the right tools and the right These decisions should be deliberate, pre-
intuitive explanations (rather than formal cise, and consistent across the enterprise;
mathematical definitions) of the data mining smart enough to serve immediate needs
process and algorithms, which will enable appropriately; and agile enough to adapt
even beginner data miners to understand the to new opportunities and challenges in the
basic concepts necessary to understand what company. The same concept can be applied
they are doing. In addition, we provide many to nonoperational systems for customer re-
tutorials in many different industries and lationship management (CRM) and market-
businesses (using many of the most common ing support. Even though a CRM model for
data mining tools) to show how to do it. cross sell may not be optimal, it may enable
several times the response rate in prod-
uct sales following a marketing campaign.
OVERALL ORGANIZATION Models like this are “smart enough” to drive
OF THIS BOOK companies to the next level of sales. When
models like this are proliferated through-
We have divided the chapters in this book out the enterprise to lift all sales to the next
into four parts to guide you through the as- level, more refined models can be developed
pects of predictive analytics. Part I covers the to do even better. This e­ nterprise-wide “lift”
history and process of predictive analytics. in intelligent operations can drive a com-
Part II discusses the algorithms and methods pany through evolutionary rather than rev-
used. Part III is a group of tutorials, which olutionary changes to reach long-term goals.
serve in principle as Rome served—as the Companies can leverage “smart enough”
central governing influence. Part IV presents decision systems to do likewise in their pur-
some advanced topics. The central theme of suit of optimal profitability in their business.
this book is the education and training of Clearly, the use of this book and these tools
beginning data mining practitioners, not the will not make you experts in data mining.
rigorous academic preparation of algorithm Nor will the explanations in the book per-
scientists. Hence, we located the tutorials in mit you to understand the complexity of the
the middle of the book in Part III, flanked by theory behind the algorithms and methodol-
topical chapters in Parts I, II, and IV. ogies so necessary for the academic student.
This approach is “a mile wide and an inch But we will conduct you through a relatively
deep” by design, but there is a lot packed into thin slice across the wide practice of data
that inch. There is enough here to stimulate mining in many industries and disciplines.
you to take deeper dives into theory, and there We can show you how to create powerful
 PREFACE xix
predictive models in your own organization Coauthor Gary Miner wishes to thank his
in a relatively short period of time. In addi- wife, Linda A. Winters-Miner, PhD, who has
tion, this book can function as a springboard been working with Gary on similar books over
to launch you into higher-level studies of the the past 30 years and wrote several of the tu-
theory behind the practice of data mining. torials included in this book, using ­real-world
If we can accomplish those goals, we will data. Gary also wishes to thank the following
have succeeded in taking a significant step in people from his office who helped in various
bringing the practice of data mining into the ways, including Angela Waner, Jon Hillis, Greg
mainstream of business analysis. Sergeant, and Dr. Thomas Hill, who gave per-
The three coauthors could not have done mission to use and also edited a group of the
this book completely by themselves, and tutorials that had been written over the years
we wish to thank the following individuals, by some of the people listed as guest authors in
with the disclaimer that we apologize if, by this book. Dr. Dave Dimas, of the University of
our neglect, we have left out of this “thank- California—Irvine, has also been very helpful
you list” anyone who contributed. in providing suggestions for enhancements for
Foremost, we would like to thank ac- this second edition—THANK YOU DAVE !!!
quisitions editor (name to use?) and others Without all the help of the people men-
(names). Bob Nisbet would like to honor tioned here and maybe many others we failed
and thank his wife, Jean Nisbet, PhD, who to specifically mention, this book would never
blasted him off in his technical career by re- have been completed. Thanks to you all!
typing his PhD dissertation five times (be-
fore word processing) and assumed much
of the family's burdens during the writing Bob Nisbet
of this book. Bob also thanks Dr. Daniel B. Gary Miner
Botkin, the famous global ecologist, for in- Ken Yale
troducing him to the world of modeling and
exposing him to the distinction between
viewing the world as machine and viewing Reference
it as ­organism. And thanks are due to Ken Raden, N., Taylor, J., 2007. Smart Enough Systems: How to
Reed, PhD, for inducting Bob into the prac- Deliver Competitive Advantage by Automating Hidden
Decisions. Prentice Hall, NJ, ISBN: 9780132713061.
tice of data mining.
 Introduction

Often, data analysts are asked, “What very different ways of arriving at the same
are statistical analysis and data mining?” In conclusion, a decision. We will introduce
this book, we will define what data mining some basic analytic history and theory in
is from a procedural standpoint. But most Chapters 1 and 2.
people have a hard time relating what we The basic process of analytic modeling is
tell them to the things they know and under- presented in Chapter 3. But it may be diffi-
stand. Before moving on into the book, we cult for you to relate what is happening in
would like to provide a little background for the process without some sort of tie to the
data mining that everyone can relate to. The real world that you know and enjoy. In many
Preface describes the many changes in ac- ways, the decisions served by analytic mod-
tivities related to data mining since the first eling are similar to those we make every day.
edition of this book was published in 2009. These decisions are based partly on patterns
Now, it is time to dig deeper and discuss the of action formed by experience and partly by
differences between statistical analysis and intuition.
data mining (aka predictive analytics).
Statistical analysis and data mining are PATTERNS OF ACTION
two methods for simulating the unconscious
operations that occur in the human brain to A pattern of action can be viewed in
provide a rationale for decision-making and terms of the activities of a hurdler on a
actions. Statistical analysis is a very directed race track. The runner must start success-
rationale that is based on norms. We all think fully and run to the first hurdle. He must
and make decisions on the basis of norms. decide very quickly how high to jump to
For example, we consider (unconsciously) clear the hurdle. He must decide when and
what the norm is for dress in a certain situa- in what sequence to move his legs to clear
tion. Also, we consider the acceptable range the hurdle with minimum effort and with-
of variation in dress styles in our culture. out knocking it down. Then, he must run
Based on these two concepts, the norm and a specified distance to the next hurdle and
the variation around that norm, we render do it all over again several times, until he
judgments like “that man is inappropriately crosses the finish line. Analytic modeling is
dressed.” Using similar concepts of mean a lot like that.
and standard deviation, statistical analy- The training of the hurdler's “model” of
sis proceeds in a very logical way to make action to run the race happens in a series of
very similar judgments (in principle). On operations:
the other hand, data mining learns case by
case and does not use means or standard • Run slow at first.
deviations. Data mining algorithms build • Practice takeoff from different positions
patterns, clarifying the pattern as each case to clear the hurdle.
is submitted for processing. These are two • Practice different ways to move the legs.

xxi
xxii INTRODUCTION

• Determine the best ways to do each activity. two classes (for dichotomous keys) and those
• Practice the best ways for each activity who don't. Along with this joke is a similar
over and over again. recognition from the outside that taxono-
mists are divided also into two classes: the
This practice trains the sensory and motor
“lumpers” (who combine several species into
neurons to function together most efficiently.
one) and the “splitters” (who divide one spe-
Individual neurons in the brain are “trained”
cies into many). These distinctions point to
in practice by adjusting signal strengths and
a larger dichotomy in the way people think.
firing thresholds of the motor nerve cells. The
In ecology, there used to be two schools
performance of a successful hurdler follows
of thought: autoecologists (chemistry, phys-
the “model” of these activities and the process
ics, and mathematics explain all) and the
of coordinating them to run the race. Creation
synecologists (organism relationships in
of an analytic “model” of a business process to
their environment explain all). It wasn't until
predict a desired outcome follows a very simi-
the 1970s that these two schools of thought
lar path to the training regimen of a hurdler. We
learned that both perspectives were needed
will explore this subject further in Chapter 3
to understand the complexities in ecosys-
and apply it to develop a data mining process
tems (but more about that later). In business,
that expresses the basic activities and tasks per-
there are the “big picture” people versus
formed in creating an analytic model.
“detail” people. Some people learn by fol-
lowing an intuitive pathway from general to
HUMAN INTUITION specific (deduction). Often, we call them “big
picture” people. Other people learn by fol-
In humans, the right side of the brain is lowing an intuitive pathway from specific to
the center for visual and esthetic sensibil- general (inductive). Often, we call them “de-
ities. The left side of the brain is the center tail” people. Similar distinctions are reflected
for quantitative and time-regulated sensi- in many aspects of our society. In Chapter 1,
bilities. Human intuition is a blend of both we will explore this distinction to a greater
sensibilities. This blend is facilitated by the depth in regards to the development of sta-
neural connections between the right side tistical and data mining theory through time.
of the brain and the left side. In women, the Many of our human activities involve
number of neural connections between the finding patterns in the data input to our sen-
right and left sides of the brain is 20% greater sory systems. An example is the mental pat-
(on average) than in men. This higher con- tern that we develop by sitting in a chair in
nectivity of women's brains enables them to the middle of a shopping mall and making
exercise intuitive thinking to a greater extent some judgment about patterns among its cli-
than men. Intuition “builds” a model of re- entele. In one mall, people of many ages and
ality from both quantitative building blocks races may intermingle. You might conclude
and visual sensibilities (and memories). from this pattern that this mall is located in
an ethnically diverse area. In another mall,
you might see a very different pattern. In
PUTTING IT ALL one mall in Toronto, a great many of the
TOGETHER stores had Chinese titles and script on the
windows. One observer noticed that he was
Biological taxonomy students claim (in the only non-Asian seen for a half hour. This
jest) that there are two kinds of people in led to the conclusion that the mall catered
­taxonomy—those who divide things up into to the Chinese community and was owned
 INTRODUCTION xxiii
(probably) by a Chinese company or person. of the model. We will discuss this approach in
Statistical methods employed in testing this more detail in Chapter 1. Data mining doesn't
“hypothesis” would include the following: start with a model; it builds a model with the
data. Thus, statistical analysis uses a model to
• Performing a survey of customers to gain
characterize a pattern in the data; data mining
empirical data on race, age, length of time
uses the pattern in the data to build a model.
in the United States, etc.
This approach uses deductive reasoning,
• Calculating means (averages) and
following an Aristotelian approach to truth.
standard deviations (an expression of the
From the “model” accepted in the beginning
average variability of all the customers
(based on the mathematical distributions as-
around the mean).
sumed), outcomes are deduced. On the other
• Using the mean and standard deviation
hand, data mining methods discover patterns
for all observations to calculate a metric
in data inductively, rather than deductively,
(e.g., student's t-value) to compare with
following a more Platonic approach to truth.
standard tables.
We will unpack this distinction to a much
• If the metric exceeds the standard table
greater extent in Chapter 1.
value, this attribute (e.g., race) is present
Which is the best way to do it? The an-
in the data at a higher rate than expected
swer is it depends. It depends on the data.
at random.
Some data sets can be analyzed better with
More advanced statistical techniques can statistical analysis techniques, and other data
accept data from multiple attributes and sets can be analyzed better with data mining
process them in combination to produce a techniques. How do you know which ap-
metric (e.g., average squared error), which proach to use for a given data set? Much ink
reflects how well a subset of attributes (se- has been devoted to paper to try to answer
lected by the processing method) predict that question. We will not add to that effort.
desired outcome. This process “builds” an Rather, we will provide a guide to general an-
analytic equation, using standard statistical alytic theory (Chapter 2) and broad analytic
methods. This analytic “model” is based on procedures (Chapter 3) that can be used with
averages across the range of variation of the techniques for either approach. For the sake
input attribute data. This approach to finding of simplicity, we will refer to the joint body of
the pattern in the data is basically a deduc- techniques as analytics. In Chapter 4, we in-
tive, top-down process (general to specific). troduce some of the many data preparation
The general part is the statistical model em- procedures for analytics.
ployed for the analysis (i.e., normal paramet- Chapter 5 presents various methods for
ric model). This approach to model building selecting candidate predictor variables to
is very “Platonic.” In Chapter 1, we will ex- be used in a statistical or machine-learning
plore the distinctions between Aristotelian model (differences between statistical and
and Platonic approaches for understanding machine-­learning methods of model build-
truth in the world around us. ing are discussed in Chapter 1). Chapter 6 in-
Part I—Introduction and overview of data troduces accessory tools and some advanced
mining processes. features of many data mining tools.
Both statistical analysis and data mining Part II—Basic and advanced algoithms,
algorithms operate on patterns: statistical and their application to common problems.
analysis uses a predefined pattern (i.e., the Chapters 7 and 8 discuss various basic
parametric model) and compares some mea- and advanced algorithms used in data min-
sure of the observations to standard metrics ing modeling applications. Chapters 9 and 10
xxiv INTRODUCTION

discuss the two general types of models, clas- significance, “luck” and ethics in data mining
sification and prediction. Chapter 11 presents applications. The book ends with Chapter 22,
some methods for evaluating and refining which gives an overview of the IBM Watson
analytic models. Chapters 12–15 describe technology, which IBM is trying to leverage
how data mining methods are applied to to solve many analytic problems. It is likely
four common applications. Part III contains that even these new processing strategies are
a group of tutorials that show how to apply not the end of the line in data mining devel-
various data mining tools to solve common opment. Chapter 1 ends with the statement
problems. Part IV discusses various issues of that we will discover increasingly novel and
model complexity, ethical use, and advanced clever ways to mimic the most powerful pat-
processes. Chapter 16 describes the para- tern recognition engine in the universe, the
dox of complexity. Chapter 17 introduces human brain.
the principle of “good-enough” models. One step further in the future could be to
Chapter 18 presents a list of data preparation drive the hardware supporting data mining
activities in the form of a cookbook, along to the level of portable devices like phones
with some caveats of using data mining (pre- and medical data loggers, even to smaller
dictive analytics) methods. Chapter 19 intro- applications in nanotechnology. In power-
duces one of the newest development areas, ful biological quantum computers, the size
deep learning. Some practitioners think that of pin heads (and smaller) may be the next
many data mining analyses will move in the wave of technological development to drive
direction of using deep learning algorithms. data mining advances. Rather than the sky,
Chapters 20 and 21 present various issues of the atom is the limit.

Bob Nisbet
September, 2017
Discovering Diverse Content Through
Random Scribd Documents
habiendo arrojado sus lanzas en vano, pues ambos erraron el tiro, se
acometieron con las espadas: Liconte dió á su enemigo un tajo en la
cimera del casco, que adornaban crines de caballo; pero la espada
se le rompió junto á la empuñadura; Penéleo hundió la suya en el
cuello de Liconte, debajo de la oreja, y se lo cortó por completo: la
cabeza cayó á un lado, sostenida tan sólo por la piel, y los miembros
perdieron su vigor.—Meriones dió alcance con sus ligeros pies á
Acamante, cuando subía al carro, y le hirió en el hombro derecho: el
teucro cayó al suelo, y las tinieblas cubrieron sus ojos.—Á Erimante
metióle Idomeneo el cruel bronce por la boca: la lanza atravesó la
cabeza por debajo del cerebro, rompió los blancos huesos y
conmovió los dientes; los ojos llenáronse con la sangre que fluía de
las narices y de la boca abierta, y la muerte, cual si fuese obscura
nube, envolvió al guerrero.
351 Cada uno de estos caudillos dánaos mató, pues, á un
hombre. Como los voraces lobos acometen á corderos ó cabritos,
arrebatándolos de un hato que se dispersa en el monte por la
impericia del pastor; pues así que aquéllos los ven se los llevan y
despedazan por tener los últimos un corazón tímido; así los dánaos
cargaban sobre los teucros, y éstos, pensando en la fuga horrísona,
olvidábanse de mostrar su impetuoso valor.
358 El gran Ayax deseaba constantemente arrojar su lanza á
Héctor, armado de bronce; pero el héroe, que era muy experto en la
guerra, cubriendo sus anchos hombros con un escudo de pieles de
toro, estaba atento al silbo de las flechas y al ruido de los dardos.
Bien conocía que la victoria se inclinaba del lado de los enemigos,
pero resistía aún y procuraba salvar á sus compañeros queridos.
364 Como se va extendiendo una nube desde el Olimpo al cielo,
después de un día sereno, cuando Júpiter prepara una tempestad;
así los teucros huyeron de las naves, dando gritos, y ya no fué con
orden como repasaron el foso. Á Héctor le sacaron de allí, con sus
armas, los corceles de ligeros pies; y el héroe desamparó la turba de
los teucros, á quienes detenía, mal de su grado, el profundo foso.
Muchos veloces corceles, rompiendo los carros de los caudillos por el
extremo del timón, los dejaron en el mismo.—Patroclo iba adelante,
exhortando vehementemente á los dánaos y pensando en causar
daño á los teucros; los cuales, una vez puestos en desorden,
llenaban todos los caminos huyendo con gran clamoreo; la polvareda
llegaba á lo alto debajo de las nubes, y los solípedos caballos volvían
á la ciudad desde las naves y las tiendas. Patroclo, donde veía á los
enemigos más desordenados, allí se encaminaba vociferando; los
guerreros caían de bruces debajo de los ejes de sus carros, y éstos
volcaban con gran estruendo. Al llegar al foso, los caballos
inmortales que los dioses dieran á Héctor como espléndido presente,
lo salvaron de un salto, deseosos de seguir adelante; y cuando á
Patroclo el ánimo le llevó hacia Héctor para herirle, ya los veloces
corceles se le habían llevado. Como en el otoño descarga una
tempestad sobre la negra tierra, cuando Júpiter hace caer violenta
lluvia, irritado contra los hombres que en el foro dan sentencias
inicuas y echan á la justicia, no temiendo la venganza de los dioses;
y los ríos salen de madre y los torrentes cortan muchas colinas,
braman al correr desde lo alto de las montañas al mar purpúreo y
destruyen las labores del campo; de semejante modo corrían las
yeguas troyanas, dando lastimeros relinchos.
394 Patroclo, cuando hubo separado de los demás enemigos á
los que formaban las últimas falanges, les obligó á volver hacia los
bajeles, en vez de permitirles que subiesen á Troya; y
acometiéndoles entre las naves, el río y el alto muro, los mataba
para vengar á muchos de los suyos. Entonces envasóle á Prónoo la
lanza en el pecho, donde éste quedaba sin defensa al lado del
escudo, y le dejó sin vigor los miembros: el teucro cayó con
estrépito. Luego acometió á Téstor, hijo de Énope, que se hallaba
encogido en el lustroso asiento y en su turbación había dejado que
las riendas se le fuesen de la mano: clavóle desde cerca la lanza en
la mejilla derecha, se la hizo pasar á través de los dientes y lo
levantó por cima del barandal. Como el pescador sentado en la roca
saca del mar un pez enorme, valiéndose de la cuerda y del anzuelo;
así Patroclo, alzando la reluciente lanza, sacó del carro á Téstor con
la boca abierta y le arrojó de cara al suelo; el teucro, al caer, perdió
la vida.—Después hirió de una pedrada en medio de la cabeza á
Erilao, que á acometerle venía, y se la partió en dos dentro del
fuerte casco: el teucro dió de manos en el suelo, y le envolvió la
destructora muerte.—Y sucesivamente fué derribando en la fértil
tierra á Erimante, Anfótero, Epaltes, Tlepólemo Damastórida, Equio,
Pires, Ifeo, Evipo y Polimelo Argéada.
419 Sarpedón, al ver que sus compañeros, de lorigas sin cintura,
sucumbían á manos de Patroclo Menetíada, increpó á los deiformes
licios:
422 «¡Qué vergüenza, oh licios! ¿Adónde huís? Sed esforzados.
Yo saldré al encuentro de ese hombre, para saber quién es el que así
vence y tantos males causa á los teucros, pues ya á muchos
valientes les ha quebrado las rodillas.»
426 Dijo; y saltó del carro al suelo sin dejar las armas. Á su vez
Patroclo, al verlo, se apeó del suyo. Como dos buitres de corvas
uñas y combado pico riñen, dando chillidos, sobre elevada roca; así
aquéllos se acometieron vociferando. Viólos el hijo del artero
Saturno; y compadecido, dijo á Juno, su hermana y esposa:
433 «¡Ay de mí! El hado dispone que Sarpedón, á quien amo
sobre todos los hombres, sea muerto por Patroclo Menetíada. Entre
dos propósitos vacila en mi pecho el corazón: ¿lo arrebataré vivo de
la luctuosa batalla, para dejarlo en el opulento pueblo de la Licia, ó
dejaré que sucumba á manos del Menetíada?»
439 Respondióle Juno veneranda, la de los ojos grandes:
«¡Terribilísimo Saturnio, qué palabras proferiste! ¿Una vez más
quieres librar de la muerte horrísona á ese hombre mortal, á quien
tiempo ha que el hado condenó á morir? Hazlo, pero no todos los
dioses te lo aprobaremos. Otra cosa voy á decirte, que fijarás en la
memoria: Piensa que si á Sarpedón le mandas vivo á su palacio,
algún otro dios querrá sacar á su hijo del duro combate, pues
muchos hijos de los inmortales pelean en torno de la gran ciudad de
Príamo, y harás que sus padres se enciendan en terrible ira. Pero si
Sarpedón te es caro y tu corazón le compadece, deja que muera á
manos de Patroclo en reñido combate; y cuando el alma y la vida le
abandonen, ordena á la Muerte y al dulce Sueño que lo lleven á la
vasta Licia, para que sus hermanos y amigos le hagan exequias y le
erijan un túmulo y un cipo, que tales son los honores debidos á los
muertos.»
 458 Así dijo. El padre de los hombres y de los dioses no
desobedeció, é hizo caer sobre la tierra sanguinolentas gotas para
honrar al hijo amado, á quien Patroclo había de matar en la fértil
Troya, lejos de su patria.
462 Cuando ambos héroes se hallaron frente á frente, Patroclo
arrojó la lanza, y acertando á dar en el empeine del ilustre
Trasidemo, escudero valeroso del rey Sarpedón, dejóle sin vigor los
miembros. Sarpedón acometió á su vez; y despidiendo la reluciente
lanza, erró el tiro; pero hirió en el hombro derecho al corcel Pédaso,
que relinchó mientras perdía el vital aliento. El caballo cayó al polvo,
y el espíritu abandonó su cuerpo. Forcejaron los otros dos bridones
por separarse, crujió el yugo y enredáronse las riendas á causa de
que el caballo lateral yacía en el polvo. Pero Automedonte, famoso
por su lanza, halló el remedio: desenvainando la espada de larga
punta que llevaba junto al fornido muslo, cortó apresuradamente los
tirantes del caballo lateral, y los otros dos se enderezaron y
obedecieron á las riendas. Y los héroes volvieron á acometerse con
roedor encono.
477 Entonces Sarpedón arrojó otra reluciente lanza y erró el tiro,
pues aquélla pasó por cima del hombro izquierdo de Patroclo sin
herirle. Patroclo despidió la suya y no en balde; ya que acertó á
Sarpedón y le hirió en el tejido que al denso corazón envuelve. Cayó
el héroe como la encina, el álamo ó el elevado pino que en el monte
cortan con afiladas hachas los artífices para hacer un mástil de
navío; así yacía aquél, tendido delante de los corceles y del carro,
rechinándole los dientes y cogiendo con las manos el polvo
ensangrentado. Como el rojizo y animoso toro, á quien devora un
león que se ha presentado en la vacada, brama al morir entre las
mandíbulas de la fiera; así el caudillo de los licios escudados, herido
de muerte por Patroclo, se enfurecía; y llamando al compañero, le
hablaba de este modo:
492 «¡Caro Glauco, guerrero afamado! Ahora debes portarte
como fuerte y audaz luchador; ahora te ha de causar placer la
batalla funesta, si eres valiente. Ve por todas partes, exhorta á los
capitanes licios á que combatan en torno de Sarpedón y defiéndeme
tú mismo con la pica. Seré para ti motivo constante de vergüenza y
oprobio si, sucumbiendo en el recinto de las naves, los aqueos me
despojan de la armadura. ¡Pelea, pues, denodadamente y anima á
todo el ejército!»
502 Así dijo; y el velo de la muerte se extendió por sus ojos y su
rostro. Patroclo, sujetándole el pecho con el pie, le arrancó el asta;
con ella siguió el corazón, y salieron á la vez la punta de la lanza y el
alma del guerrero. Y los mirmidones detuvieron los corceles de
Sarpedón, los cuales anhelaban y querían huir desde que quedó
vacío el carro de sus dueños.
509 Glauco sintió hondo pesar al oir la voz de Sarpedón; se le
turbó el ánimo porque no podía socorrerle; y apretándose con la
mano el brazo herido por una flecha que Teucro le tirara, cuando él
asaltaba el muro y el aqueo defendía á los suyos, oró de esta suerte
al flechador Apolo:
514 «Óyeme, oh soberano, ya te halles en la opulenta Licia, ya te
encuentres en Troya; pues desde cualquier lugar puedes atender al
que está afligido, como lo estoy ahora. Tengo esta grave herida,
padezco agudos dolores en el brazo y la sangre no se seca; el
hombro se entorpece, y me es imposible manejar firmemente la
lanza y pelear con los enemigos. Ha muerto un hombre fortísimo,
Sarpedón, hijo de Júpiter que ya ni á su prole defiende. Cúrame, oh
soberano, la grave herida, adormece mis dolores y dame fortaleza
para que mi voz anime á los licios á batallar y yo mismo luche en
defensa del cadáver.»
527 Tal fué su plegaria. Oyóle Febo Apolo y en seguida calmó los
dolores, secó la negra sangre de la grave herida é infundió valor en
el ánimo del teucro. Glauco, al notarlo, se holgó de que el gran dios
hubiese escuchado su ruego. En seguida fué por todas partes y
exhortó á los capitanes licios para que combatieran en torno de
Sarpedón. Después, encaminóse á paso largo hacia los troyanos;
buscó á Polidamante Pantoida, al divino Agenor, á Eneas y á Héctor
armado de bronce; y deteniéndose cerca de los mismos, dijo estas
aladas palabras:
538 «¡Héctor! Te olvidas completamente de los aliados que por ti
pierden la vida lejos de los amigos y de la patria, y ni socorrerles
quieres. Yace en tierra Sarpedón, el rey de los licios escudados, que
con su justicia y su valor gobernaba la Licia. El férreo Marte lo ha
matado con la lanza de Patroclo. Oh amigos, venid é indignaos en
vuestro corazón: no sea que los mirmidones le quiten la armadura é
insulten el cadáver, irritados por la muerte de los dánaos á quienes
hicieron perecer nuestras picas junto á las veleras naves.»
548 Así se expresó. Los troyanos sintieron grande é inconsolable
pena, porque Sarpedón, aunque forastero, era un baluarte para la
ciudad; había llevado á la misma muchos hombres y en la pelea los
superaba á todos. Con grandes bríos dirigiéronse aquéllos contra los
dánaos, y á su frente marchaba Héctor, irritado por la muerte de
Sarpedón. Y Patroclo Menetíada, de corazón valiente, animó á los
aqueos; y dijo á los Ayaces, que ya de combatir estaban deseosos:
556 «¡Ayaces! Poned empeño en rechazar al enemigo y mostraos
tan valientes como habéis sido hasta aquí ó más aún. Yace en tierra
Sarpedón, el que primero asaltó nuestra muralla. ¡Ah, si
apoderándonos del cadáver pudiésemos ultrajarle, quitarle la
armadura de los hombros y matar con el cruel bronce á alguno de
los compañeros que lo defienden!...»
562 En tales términos les habló, aunque ellos ya deseaban
derrotar al enemigo. Y troyanos y licios por una parte y mirmidones
y aqueos por otra, cerraron las falanges, vinieron á las manos y
empezaron á pelear con horrenda gritería en torno del cadáver.
Crujían las armaduras de los guerreros, y Júpiter cubrió con una
dañosa obscuridad la reñida contienda, para que produjese mayor
estrago el combate que por el cuerpo de su hijo se empeñaba.
569 En un principio, los teucros rechazaron á los aqueos, de ojos
vivos, porque fué herido un varón que no era ciertamente el más
cobarde de los mirmidones: el divino Epigeo, hijo de Agacles
magnánimo; el cual reinó en otro tiempo en la populosa Budío;
luego, por haber dado muerte á su valiente primo, se presentó como
suplicante á Peleo y á Tetis, la de argentados pies, y ellos le enviaron
con Aquiles á Ilión, abundante en hermosos corceles, para que
combatiera contra los troyanos. Epigeo echaba mano al cadáver
cuando el esclarecido Héctor le dió una pedrada en la cabeza y se la
partió en dos dentro del fuerte casco: el guerrero cayó boca abajo
sobre el cuerpo de Sarpedón, y la destructora muerte lo envolvió.
Apesadumbróse Patroclo por la pérdida del compañero y atravesó al
instante las primeras filas, como el veloz gavilán persigue á unos
grajos ó estorninos; de la misma manera acometiste, oh hábil jinete
Patroclo, á los licios y troyanos, airado en tu corazón por la muerte
del amigo. Y cogiendo una piedra, hirió en el cuello á Estenelao, hijo
querido de Itémenes, y le rompió los tendones. Retrocedieron los
combatientes delanteros y el esclarecido Héctor. Cuanto espacio
recorre el dardo que lanza un hombre, ya en el juego para
ejercitarse, ya en la guerra contra los enemigos que la vida quitan;
otro tanto se retiraron los teucros, cediendo al empuje de los
aqueos. Glauco, capitán de los escudados licios, fué el primero que
volvió la cara y mató al magnánimo Baticles, hijo amado de Calcón,
que tenía su casa en la Hélade y se señalaba entre los mirmidones
por sus bienes y riquezas: escapábase Glauco, y Baticles iba á darle
alcance, cuando aquél se volvió repentinamente y le hundió la pica
en medio del pecho. Baticles cayó con estrépito, los aqueos sintieron
hondo pesar por la muerte del valiente guerrero, y los teucros, muy
alegres, rodearon en tropel el cadáver; pero los aqueos no dejaron
de mostrar su impetuoso valor y arremetieron denodadamente al
enemigo. Entonces Meriones mató á un combatiente teucro, á
Laógono, esforzado hijo de Onétor y sacerdote de Júpiter Ideo, á
quien el pueblo veneraba como á un dios: hirióle debajo de la
quijada y de la oreja, la vida huyó de los miembros del guerrero, y la
obscuridad horrible le envolvió. Eneas arrojó la broncínea lanza, con
el propósito de herir á Meriones, que se adelantaba protegido por el
escudo. Pero Meriones la vió venir y evitó el golpe inclinándose hacia
adelante: la ingente lanza se clavó en el suelo detrás de él y el
regatón temblaba; pero pronto la impetuosa arma perdió su fuerza.
Penetró, pues, la vibrante punta en la tierra, y la lanza fué echada
en vano por el robusto brazo. Eneas, con el corazón irritado, dijo:
617 «¡Meriones! Aunque eres un ágil saltador, mi lanza te habría
apartado para siempre del combate si te hubiese herido.»
619 Respondióle Meriones, célebre por su lanza: «¡Eneas! Difícil
te será, aunque seas valiente, aniquilar la fuerza de cuantos salgan á
pelear contigo. También tú eres mortal. Si lograra herirte en medio
del cuerpo con el agudo bronce, en seguida, á pesar de tu vigor y de
la confianza que tienes en tu brazo, me darías gloria y á Plutón, el
de los famosos corceles, el alma.»
626 Así dijo; y el valeroso hijo de Menetio le reprendió, diciendo:
«¡Meriones! ¿Por qué, siendo valiente, te entretienes en hablar así?
¡Oh amigo! Con palabras injuriosas no lograremos que los teucros
dejen el cadáver; preciso será que alguno de ellos baje antes al seno
de la tierra. Las batallas se ganan con los puños, y las palabras
sirven en las juntas. Conviene, pues, no hablar, sino combatir.»
632 Dijo, echó á andar y siguióle Meriones, varón igual á un dios.
Bien así como el estruendo que se produce en la espesura de un
monte y se deja oir á lo lejos, cuando los hombres hacen leña; tal
era el estrépito que se elevaba de la tierra espaciosa al ser
golpeados el bronce, el cuero y los escudos de pieles de buey por las
espadas y las lanzas de doble filo. Y ya ni un hombre perspicaz
hubiera conocido al divino Sarpedón, pues los dardos, la sangre y el
polvo lo cubrían desde los pies á la cabeza. Agitábanse todos
alrededor del cadáver como en la primavera zumban las moscas en
el establo por cima de las escudillas, cuando los tarros rebosan de
leche: de igual manera bullían aquéllos en torno del muerto. Júpiter
no apartaba los refulgentes ojos de la dura contienda; y
contemplando á los guerreros, revolvía en su ánimo muchas cosas
acerca de la muerte de Patroclo: vacilaba entre si el esclarecido
Héctor debería matar con el bronce á Patroclo sobre Sarpedón, igual
á un dios, y quitarle la armadura de los hombros, ó convendría
extender la terrible pelea. Y considerando como lo más conveniente
que el bravo escudero de Aquiles Pelida hiciera arredrar á los teucros
y á Héctor, armado de bronce, hacia la ciudad y quitara la vida á
muchos guerreros, comenzó por infundir timidez en Héctor, el cual
subió al carro, se puso en fuga y exhortó á los demás teucros á que
huyeran, porque había conocido hacia qué lado se inclinaba la
balanza sagrada de Júpiter. Tampoco los fuertes licios osaron resistir,
y huyeron todos al ver á su rey herido en el corazón y echado en un
montón de cadáveres; pues cayeron muchos hombres á su alrededor
cuando el Saturnio avivó el duro combate. Los aqueos quitáronle á
Sarpedón la reluciente armadura de bronce y el esforzado hijo de
Menetio la entregó á sus compañeros para que la llevaran á las
cóncavas naves. Y entonces Júpiter, que amontona las nubes, dijo á
Apolo:
667 «¡Ea, querido Febo! Ve y después de sacar á Sarpedón de
entre los dardos, límpiale la negra sangre; condúcele á un sitio
lejano y lávale en la corriente de un río; úngele con ambrosía, ponle
vestiduras divinas y entrégalo á los veloces conductores y hermanos
gemelos: el Sueño y la Muerte. Y éstos, transportándolo con
presteza, lo dejarán en el rico pueblo de la vasta Licia. Allí sus
hermanos y amigos le harán exequias y le erigirán un túmulo y un
cipo, que tales son los honores debidos á los muertos.»
676 Así dijo, y Apolo no desobedeció á su padre. Descendió de
los montes ideos á la terrible batalla, y en seguida, levantó al divino
Sarpedón de entre los dardos, y conduciéndole á un sitio lejano, lo
lavó en la corriente de un río; ungiólo con ambrosía, púsole
vestiduras divinas y entrególo á los veloces conductores y hermanos
gemelos: el Sueño y la Muerte. Y éstos, transportándolo con
presteza, lo dejaron en el rico pueblo de la vasta Licia.
684 Patroclo animaba á los corceles y á Automedonte y
perseguía á los troyanos y licios, y con ello se atrajo un gran
infortunio. ¡Insensato! Si se hubiese atenido á la orden del Pelida, se
hubiera visto libre de la funesta Parca, de la negra muerte. Pero
siempre el pensamiento de Júpiter es más eficaz que el de los
hombres (aquel dios pone en fuga al varón esforzado y le quita
fácilmente la victoria, aunque él mismo le haya incitado á combatir),
y entonces alentó el ánimo en el pecho de Patroclo.
692 ¿Cuál fué el primero y cuál el último que mataste, oh
Patroclo, cuando los dioses te llamaron á la muerte?
694 Fueron primeramente Adrasto, Autónoo, Equeclo, Périmo
Mégada, Epístor y Melanipo; y después, Élaso, Mulio y Pilartes. Mató
á éstos, y los demás se dieron á la fuga.
698 Entonces los aqueos habrían tomado á Troya, la de altas
puertas, por las manos de Patroclo, que manejaba con gran furia la
lanza, si Febo Apolo no se hubiese colocado en la bien construída
torre para dañar á aquél y ayudar á los teucros. Tres veces
encaminóse Patroclo á un ángulo de la elevada muralla; tres veces
rechazóle Apolo, agitando con sus manos inmortales el refulgente
escudo. Y cuando, semejante á un dios, atacaba por cuarta vez,
increpóle la deidad con aterradoras voces:
707 «¡Retírate, Patroclo de jovial linaje! El hado no ha dispuesto
que la ciudad de los altivos troyanos sea destruída por tu lanza, ni
por Aquiles, que tanto te aventaja.»
710 Así dijo, y Patroclo retrocedió un gran trecho, para no
atraerse la cólera del flechador Apolo.
712 Héctor se hallaba con el carro y los corceles en las puertas
Esceas, y estaba indeciso entre guiarlos de nuevo hacia la turba y
volver á combatir, ó mandar á voces que las tropas se refugiasen en
el muro. Mientras reflexionaba sobre esto, presentósele Febo Apolo,
que tomó la figura del valiente joven Asio, el cual era tío materno de
Héctor, domador de caballos, hermano carnal de Hécuba é hijo de
Dimante, y habitaba en la Frigia, junto á la corriente del Sangario.
Así transfigurado, exclamó Apolo, hijo de Júpiter:
721 «¡Héctor! ¿Por qué te abstienes de combatir? No debes
hacerlo. Ojalá te superara tanto en bravura, cuanto te soy inferior:
entonces te sería funesto el retirarte de la batalla. Mas, ea, guía los
corceles de duros cascos hacia Patroclo, por si puedes matarlo y
Apolo te da gloria.»
726 El dios, cuando esto hubo dicho, volvió á la batalla. El
esclarecido Héctor mandó á Cebrión que picara á los corceles y los
dirigiese á la pelea; y Apolo, entrándose por la turba, suscitó entre
los dánaos funesto tumulto y dió gloria á Héctor y á los teucros.
Héctor dejó entonces á los demás dánaos, sin que intentara
matarlos, y enderezó á Patroclo los caballos de duros cascos.
Patroclo, á su vez, saltó del carro á tierra con la lanza en la
izquierda; cogió con la diestra una piedra blanca y erizada de puntas
que le llenaba la mano; y estribando en el suelo, la arrojó, hiriendo
en seguida á un combatiente, pues el tiro no resultó vano: dió la
pedrada en la frente de Cebrión, auriga de Héctor, que era hijo
bastardo del ilustre Príamo y entonces gobernaba las riendas de los
caballos. La piedra se llevó ambas cejas; el hueso tampoco resistió;
los ojos cayeron en el polvo á los pies de Cebrión; y éste, cual si
fuera un buzo, cayó del asiento bien construído, porque la vida huyó
de sus miembros. Y burlándote de él, oh caballero Patroclo,
exclamaste:
745 «¡Oh dioses! ¡Muy ágil es el teucro! ¡Cuán fácilmente salta á
lo buzo! Si se hallara en el ponto, en peces abundante, ese hombre
saltaría de la nave aunque el mar estuviera tempestuoso y podría
saciar á muchas personas con las ostras que pescara. ¡Con tanta
facilidad ha dado la voltereta del carro á la llanura! Es indudable que
también los troyanos tienen buzos.»
751 Dijo, y corrió hacia el héroe con la impetuosidad de un león
que devasta los establos hasta que es herido en el pecho y su
mismo valor le mata; de la misma manera, oh Patroclo, te arrojaste
enardecido sobre Cebrión. Héctor, por su parte, saltó del carro al
suelo sin dejar las armas. Y entrambos luchaban en torno de
Cebrión, como dos hambrientos leones que en el monte pelean
furiosos por el cadáver de una cierva; así los dos aguerridos
campeones, Patroclo Menetíada y el esclarecido Héctor, deseaban
herirse el uno al otro con el cruel bronce. Héctor había cogido al
muerto por la cabeza y no lo soltaba; Patroclo lo asía de un pie, y los
demás teucros y dánaos sostenían encarnizado combate.
765 Como el Euro y el Noto contienden en la espesura de un
monte, agitando la poblada selva, y las largas ramas de los fresnos,
encinas y cortezudos cornejos chocan entre sí con inmenso
estrépito, y se oyen los crujidos de las que se rompen; de semejante
modo teucros y aqueos se mataban, sin acordarse de la perniciosa
fuga. Alrededor de Cebrión se clavaron en tierra muchas agudas
lanzas y aladas flechas que saltaban de los arcos; buen número de
grandes piedras herían los escudos de los combatientes; y el héroe
yacía en el suelo, sobre un gran espacio, envuelto en un torbellino
de polvo y olvidado del arte de guiar los carros.
777 Hasta que el sol hubo recorrido la mitad del cielo, los tiros
alcanzaban por igual á unos y á otros, y los hombres caían. Cuando
aquél se encaminó al ocaso, los aqueos eran vencedores, contra lo
dispuesto por el destino; y habiendo arrastrado el cadáver del héroe
Cebrión fuera del alcance de los dardos y del tumulto de los teucros,
le quitaron la armadura de los hombros.
 783 Patroclo acometió furioso á los teucros: tres veces los atacó,
cual otro Marte, dando horribles voces; tres veces mató nueve
hombres. Y cuando, semejante á un dios, arremetiste, oh Patroclo,
por cuarta vez, vióse claramente que ya llegabas al término de tu
vida, pues el terrible Febo salió á tu encuentro en el duro combate.
Mas Patroclo no vió al dios; el cual, cubierto por densa nube,
atravesó la turba, se le puso detrás, y alargando la mano, le dió un
golpe en la espalda y en los anchos hombros. Al punto los ojos del
héroe sufrieron vértigos. Febo Apolo le quitó de la cabeza el casco
con agujeros á guisa de ojos, que rodó con estrépito hasta los pies
de los caballos; y el penacho se manchó de sangre y polvo. Jamás
aquel casco, adornado con crines de caballo, se había manchado
cayendo en el polvo, pues protegía la cabeza y hermosa frente del
divino Aquiles. Entonces Júpiter permitió también que lo llevara
Héctor, porque ya la muerte se iba acercando á este caudillo. Á
Patroclo se le rompió en la mano la pica larga, ponderosa, grande,
fornida, armada de bronce; el ancho escudo y su correa cayeron al
suelo, y Apolo desató la coraza que aquél llevaba. El estupor se
apoderó del espíritu del héroe, y sus hermosos miembros perdieron
la fuerza. Patroclo se detuvo atónito, y entonces clavóle aguda lanza
en la espalda, entre los hombros, el dárdano Euforbo Pantoida; el
cual aventajaba á todos los de su edad en el manejo de la pica, en
el arte de guiar un carro y en la veloz carrera, y la primera vez que
se presentó con su carro para aprender á combatir, derribó á veinte
guerreros de sus carros respectivos. Éste fué, oh caballero Patroclo,
el primero que contra ti despidió su lanza, pero aún no te hizo
sucumbir. Euforbo arrancó la lanza de fresno; y retrocediendo, se
mezcló con la turba, sin esperar á Patroclo, aunque le viera
desarmado; mientras éste, vencido por el golpe del dios y la
lanzada, retrocedía al grupo de sus compañeros para evitar la
muerte.
818 Cuando Héctor advirtió que el magnánimo Patroclo se
alejaba y que lo habían herido con el agudo bronce, fué en su
seguimiento, por entre las filas, y le envasó la lanza en la parte
inferior del vientre, que el hierro pasó de parte á parte; y el héroe
cayó con estrépito, causando gran aflicción al ejército aqueo. Como
el león acosa en la lucha al indómito jabalí cuando ambos pelean
arrogantes en la cima de un monte por un escaso manantial donde
quieren beber, y el león vence con su fuerza al jabalí, que respira
anhelante; así Héctor Priámida privó de la vida, hiriéndole con la
lanza, al esforzado hijo de Menetio, que á tantos había dado muerte.
Y blasonando del triunfo, profirió estas aladas palabras:
830 «¡Patroclo! Sin duda esperabas destruir nuestra ciudad,
hacer cautivas á las mujeres troyanas y llevártelas en los bajeles á tu
patria. ¡Insensato! Los veloces caballos de Héctor vuelan al combate
para defenderlas; y yo, que en manejar la pica sobresalgo entre los
belicosos teucros, aparto de los míos el día de la servidumbre;
mientras que á ti te comerán los buitres. ¡Ah, infeliz! Ni Aquiles, con
ser valiente, te ha socorrido. Cuando saliste de las naves, donde él
se ha quedado, debió de hacerte muchas recomendaciones, y
hablarte de este modo: No vuelvas á las cóncavas naves, caballero
Patroclo, antes de haber roto la coraza que envuelve el pecho de
Héctor, teñida en sangre. Así te dijo, sin duda; y tú, oh necio, te
dejaste persuadir.»
843 Con lánguida voz le respondiste, caballero Patroclo:
«¡Héctor! Jáctate ahora con altaneras palabras, ya que te han dado
la victoria Jove Saturnio y Apolo; los cuales me vencieron fácilmente,
quitándome la armadura de los hombros. Si veinte guerreros como
tú me hubiesen hecho frente, todos habrían muerto vencidos por mi
lanza. Matóme el hado funesto, valiéndose de Latona y de Euforbo
entre los hombres; y tú llegas el tercero, para despojarme de las
armas. Otra cosa voy á decirte, que fijarás en la memoria. Tampoco
tú has de vivir largo tiempo, pues la muerte y el hado cruel se te
acercan, y sucumbirás á manos del eximio Aquiles, descendiente de
Éaco.»
855 Apenas acabó de hablar, la muerte le cubrió con su manto:
el alma voló de los miembros y descendió al Orco, llorando su suerte
porque dejaba un cuerpo vigoroso y joven. Y el esclarecido Héctor le
dijo, aunque ya muerto le viera:
859 «¡Patroclo! ¿Por qué me profetizas una muerte terrible?
¿Quién sabe si Aquiles, hijo de Tetis, la de hermosa cabellera, no
perderá antes la vida, herido por mi lanza?»
 862 Dichas estas palabras, puso un pie sobre el cadáver, arrancó
la broncínea lanza, y lo tumbó de espaldas. Inmediatamente
dirigióse, lanza en mano, hacia Automedonte, el deiforme servidor
del Eácida, de pies ligeros; pero los veloces caballos inmortales que
á Peleo dieran los dioses como espléndido presente, lo sacaban ya
de la batalla.
 Los griegos y los teucros combaten alrededor del cadáver de Patroclo

C A N TO X V I I
PRINCIPALÍA DE MENELAO

1 No dejó de advertir el Atrida Menelao, caro á Marte, que

Patroclo había sucumbido en la lid á manos de los teucros; y,
armado de luciente bronce, se abrió camino por los combatientes
delanteros y empezó á moverse en torno del cadáver para
defenderlo. De la suerte que la vaca primeriza da vueltas alrededor
de su becerrillo, mugiendo tiernamente, como no acostumbrada á
parir; de la misma manera bullía el rubio Menelao cerca de Patroclo.
Y colocándose delante del muerto, enhiesta la lanza y embrazado el
escudo, aprestábase á matar á quien se le opusiera. Tampoco
Euforbo, el hábil lancero hijo de Panto, se descuidó al ver en el suelo
al eximio Patroclo; sino que se detuvo á su vera y dijo á Menelao,
caro á Marte:
12 «¡Menelao Atrida, alumno de Júpiter, príncipe de hombres!
Retírate, suelta el cadáver y desampara estos sangrientos despojos;
pues, en la reñida pelea, ninguno de los troyanos ni de los auxiliares
ilustres envasó su lanza á Patroclo antes que yo lo hiciera. Déjame
alcanzar inmensa gloria entre los teucros. No sea que, hiriéndote, te
quite la dulce vida.»
18 Respondióle muy indignado el rubio Menelao: «¡Padre
Júpiter! No es bueno que nadie se vanagloríe con tanta soberbia. Ni
la pantera, ni el león, ni el dañino jabalí que tienen gran ánimo en el
pecho y están orgullosos de su fuerza, se presentan tan osados
como los hábiles lanceros hijos de Panto. Pero el fuerte Hiperenor,
domador de caballos, no siguió gozando de su juventud cuando me
aguardó, después de injuriarme diciendo que yo era el más cobarde
de los guerreros dánaos; y no creo que haya podido volver con sus
pies á la patria, para regocijar á su esposa y á sus venerandos
padres. Del mismo modo te quitaré la vida á ti, si osas afrontarme, y
te aconsejo que vuelvas á tu ejército y no te pongas delante; pues el
necio sólo conoce el mal cuando ha llegado.»
33 Así habló, sin persuadir á Euforbo, que contestó diciendo:
«Menelao, alumno de Júpiter, ahora pagarás la muerte de mi
hermano, de que tanto te jactas. Dejaste viuda á su mujer en el
reciente tálamo; causaste á nuestros padres llanto y dolor profundo.
Yo conseguiría que aquellos infelices cesaran de llorar, si llevándome
tu cabeza y tus armas, las pusiera en las manos de Panto y de la
divina Frontis. Pero no se diferirá mucho tiempo el combate, ni
quedará sin decidir quién haya de ser el vencedor y quién el
vencido.»
43 Dicho esto, dió un bote en el escudo liso del Atrida; pero no
pudo romper el bronce, porque la punta se torció al chocar con el
fuerte escudo. Menelao Atrida acometió, á su vez, con la pica,
orando al padre Júpiter; y al ir Euforbo á retroceder, se la clavó en la
parte inferior de la garganta, empujó el asta con la robusta mano y
la punta atravesó el delicado cuello. Euforbo cayó con estrépito,
resonaron sus armas y se mancharon de sangre sus cabellos,
semejantes á los de las Gracias, y los rizos, que llevaba sujetos con
anillos de oro y plata. Cual frondoso olivo que plantado por el
labrador en un lugar solitario donde abunda el agua, crece hermoso,
es mecido por vientos de toda clase y se cubre de blancas flores; y
viniendo de repente el huracán, lo arranca de la tierra y lo tiende en
el suelo; así Menelao Atrida dió muerte á Euforbo, hijo de Panto y
hábil lancero, y en seguida comenzó á quitarle la armadura.
61 Como un montaraz león, confiado en su fuerza, coge del
rebaño que está paciendo la mejor vaca, le rompe la cerviz con los
fuertes dientes, y despedazándola, traga la sangre y las entrañas; y
así los perros como los pastores gritan mucho á su alrededor, pero
de lejos, sin atreverse á ir contra la fiera porque el pálido temor los
domina; de la misma manera ninguno tuvo ánimo para salir al
encuentro del glorioso Menelao. Y el Atrida se habría llevado
fácilmente las magníficas armas de Euforbo, si no lo hubiese
impedido Febo Apolo; el cual, tomando la figura de Mentes, caudillo
de los cicones, suscitó contra aquél á Héctor, igual al veloz Marte,
con estas aladas palabras:
75 «¡Héctor! Tú corres ahora tras lo que no se puede alcanzar:
los corceles del aguerrido Eácida. Difícil es que nadie los sujete y sea
por ellos llevado, fuera de Aquiles, que tiene una madre inmortal. Y
en tanto, el belígero Menelao Atrida, que defiende el cadáver de
Patroclo, ha muerto á uno de los más esforzados teucros, á Euforbo,
hijo de Panto, acabando con el impetuoso valor de este caudillo.»
82 El dios, habiendo hablado así, volvió á la batalla. Héctor sintió
profundo dolor en las negras entrañas, ojeó las hileras y vió en
seguida al Atrida que despojaba de la armadura á Euforbo, y á éste
tendido en el suelo y vertiendo sangre por la herida. Acto continuo,
armado como se hallaba de luciente bronce y dando agudos gritos,
abrióse paso por los combatientes delanteros cual si fuese una llama
inextinguible encendida por Vulcano. El hijo de Atreo gimió al oir las
voces, y á su magnánimo espíritu así dijo:
91 «¡Ay de mí! Si abandono estas magníficas armas y á Patroclo,
que por vengarme yace aquí tendido, temo que se irritará cualquier
dánao que lo presencie. Y si por vergüenza peleo con Héctor y los
teucros, como ellos son muchos y yo estoy solo, quizás me cerquen;
pues Héctor, de tremolante casco, trae aquí á todos los troyanos.
Mas ¿por qué el corazón me hace pensar en tales cosas? Cuando,
oponiéndose á la divinidad, el hombre lucha con un guerrero
protegido por algún dios, pronto le sobreviene grave daño. Así, pues,
los dánaos no se irritarán conmigo porque me vean ceder á Héctor,
que combate amparado por las deidades. Pero si á mis oídos llegara
la voz de Ayax, valiente en la pelea, volvería aquí con él y sólo
pensaríamos en lidiar, aunque fuese contra un dios, para ver si
lográbamos arrastrar el cadáver y entregarlo al Pelida Aquiles. Sería
esto lo mejor para hacer llevaderos los presentes males.»
106 Mientras tales pensamientos revolvía en su mente y en su
corazón, llegaron las huestes de los teucros, capitaneadas por
Héctor. Menelao dejó el cadáver y retrocedió, volviéndose de cuando
en cuando. Como el melenudo león á quien alejan del establo los
canes y los hombres con gritos y venablos, siente que el corazón
audaz se le encoge y abandona de mala gana el redil; de la misma
suerte apartábase de Patroclo el rubio Menelao; quien, al juntarse
con sus amigos, se detuvo, volvió la cara á los teucros y buscó con
los ojos al gran Ayax, hijo de Telamón. Pronto le distinguió á la
izquierda de la batalla, donde animaba á sus compañeros y les
incitaba á pelear, pues Febo Apolo les había infundido un gran terror.
Corrió á encontrarle; y poniéndose á su lado, le dijo estas palabras:
120 «¡Ayax! Ven, amigo; apresurémonos á combatir por Patroclo
muerto, y quizás podamos llevar á Aquiles el cadáver desnudo, pues
las armas las tiene Héctor, de tremolante casco.»
123 Así dijo; y conmovió el corazón del aguerrido Ayax, que
atravesó al momento las primeras filas junto con el rubio Menelao.
Héctor había despojado á Patroclo de las magníficas armas y se lo
llevaba arrastrando, para separarle con el agudo bronce la cabeza de
los hombros y entregar el cadáver á los perros de Troya. Pero
acercósele Ayax con su escudo como una torre; y Héctor,
retrocediendo, llegó al grupo de sus amigos, saltó al carro y entregó
las magníficas armas á los troyanos para que las llevaran á la ciudad,
donde habían de proporcionarle inmensa gloria. Ayax cubrió con su
gran escudo al hijo de Menetio y se mantuvo firme. Como el león
anda en torno de sus cachorros cuando llevándolos por el bosque le
salen al encuentro los cazadores, y haciendo gala de su fuerza, baja
los párpados y cierra los ojos; de aquel modo corría Ayax alrededor
del héroe Patroclo. En la parte opuesta hallábase Menelao, caro á
Marte, en cuyo pecho el dolor iba creciendo.
 140 Glauco, hijo de Hipóloco, caudillo de los licios, dirigió
entonces la torva faz á Héctor, y le increpó con estas palabras:
142 «¡Héctor, el de más hermosa figura, muy falto estás del valor
que la guerra exige! Inmerecida es tu buena fama, cuando
solamente sabes huir. Piensa cómo en adelante defenderás la ciudad
y la ciudadela, solo y sin más auxilio que los hombres nacidos en
Ilión. Ninguno de los licios ha de pelear ya con los dánaos en favor
de la ciudad, puesto que para nada se agradece el batallar siempre y
sin descanso contra el enemigo. ¿Cómo, oh cruel, salvarás en la
turba á un obscuro combatiente, si dejas que Sarpedón, huésped y
amigo tuyo, llegue á ser presa y botín de los argivos? Mientras
estuvo vivo, prestó grandes servicios á la ciudad y á ti mismo; y
ahora no te atreves á apartar de su cadáver á los perros. Por esto, si
los licios me obedecieren, volveríamos á nuestra patria, y la ruina
más espantosa amenazaría á Troya. Mas, si ahora tuvieran los
troyanos el valor audaz é intrépido que suelen mostrar los que por la
patria sostienen contiendas y luchas con los enemigos, pronto
arrastraríamos el cadáver de Patroclo hasta Ilión. Y en seguida que
el cuerpo de éste fuera retirado del campo y conducido á la gran
ciudad de Príamo, los argivos nos entregarían, para rescatarlo, las
hermosas armas de Sarpedón, y también podríamos llevar á Troya el
cadáver del héroe; pues Patroclo fué escudero del argivo más
valiente que hay en las naves, como asimismo lo son sus tropas, que
combaten cuerpo á cuerpo. Pero tú no osaste esperar al magnánimo
Ayax, ni resistir su mirada en la lucha, ni pugnar con él, porque te
aventaja en fortaleza.»
169 Mirándole con torva faz, respondió Héctor, de tremolante
casco: «¡Glauco! ¿Por qué, siendo cual eres, hablas con tanta
soberbia? ¡Oh dioses! Te tenía por el hombre de más seso de
cuantos viven en la fértil Licia, y ahora he de reprenderte por lo que
pensaste y dijiste al asegurar que no puedo sostener la acometida
del ingente Ayax. Nunca me espantó la batalla, ni el ruido de los
caballos; pero siempre el pensamiento de Júpiter, que lleva la égida,
es más eficaz que el de los hombres, y el dios pone en fuga al varón
esforzado y le quita fácilmente la victoria, aunque él mismo le haya
incitado á combatir. Mas, ea, ven acá, amigo, ponte á mi lado,
contempla mis hechos, y verás si seré cobarde en la batalla, aunque
dure todo el día, ó si haré que alguno de los dánaos, no embargante
su ardimiento y valor, cese de defender el cadáver de Patroclo.»
183 Cuando así hubo hablado, exhortó á los teucros, dando
grandes voces: «¡Troyanos, licios, dárdanos que cuerpo á cuerpo
peleáis! Sed hombres, amigos, y mostrad vuestro impetuoso valor,
mientras visto las armas hermosas del eximio Aquiles, de que
despojé al fuerte Patroclo después de matarle.»
188 Dichas estas palabras, Héctor, de tremolante casco, salió de
la funesta lid, y corriendo con ligera planta, alcanzó pronto y no muy
lejos á sus amigos que llevaban hacia la ciudad las magníficas armas
del hijo de Peleo. Allí, fuera del luctuoso combate, se detuvo y
cambió de armadura: entregó la propia á los belicosos troyanos,
para que la dejaran en la sacra Ilión, y vistió las armas divinas de
Aquiles, que los dioses dieran á Peleo, y éste, ya anciano, cedió á su
hijo, quien no había de usarlas tanto tiempo que, llevándolas, llegara
á la vejez.
198 Cuando Júpiter, que amontona las nubes, vió que Héctor
vestía las armas del divino Pelida, moviendo la cabeza, habló consigo
mismo y dijo:
201 «¡Ah mísero! No piensas en la muerte, que ya se halla cerca
de ti, y vistes las armas divinas de un hombre valentísimo á quien
todos temen. Has muerto á su amigo, tan bueno como fuerte, y le
has quitado ignominiosamente la armadura de la cabeza y de los
hombros. Mas todavía dejaré que alcances una gran victoria como
compensación de que Andrómaca no recibirá de tus manos,
volviendo tú del combate, las magníficas armas del hijo de Peleo.»
209 Dijo el Saturnio, y bajó las negras cejas en señal de
asentimiento. La armadura de Aquiles le vino bien á Héctor;
apoderóse de éste un terrible furor bélico, y sus miembros se
vigorizaron y fortalecieron; y el héroe, dando recias voces, enderezó
sus pasos á los aliados ilustres y se les presentó con las
resplandecientes armas del magnánimo Pelida. Acercóse á cada uno
de sus capitanes para animarlos—á Mestles, Glauco, Medonte,
Tersíloco, Asteropeo, Disenor, Hipótoo, Forcis, Cromio y el augur
Énomo—y los instigó con estas aladas palabras:
 220 «¡Oíd, tribus innúmeras de aliados que habitáis alrededor de
Troya! No ha sido por el deseo ni por la necesidad de reunir una
muchedumbre por lo que os he traído de vuestras ciudades; sino
para que defendáis animosamente de los belicosos aqueos á las
esposas y á los tiernos infantes de los troyanos. Con esta idea
abrumo á mi pueblo y le exijo dones y víveres para excitar vuestro
valor. Ahora cada uno haga frente y embista al enemigo, ya muera,
ya se salve; que tales son los lances de la guerra. Al que arrastre el
cadáver de Patroclo hasta las filas de los troyanos, domadores de
caballos, y haga ceder á Ayax, le daré la mitad de los despojos,
reservándome la otra mitad, y su gloria será tan grande como la
mía.»
233 Así habló. Todos arremetieron con las picas levantadas y
cargaron sobre los dánaos, pues tenían grandes esperanzas de
arrancar el cuerpo de Patroclo de las manos de Ayax Telamonio.
¡Insensatos! Sobre el mismo cadáver, Ayax hizo perecer á muchos de
ellos. Y este héroe dijo entonces á Menelao, valiente en la pelea:
238 «¡Oh amigo, oh Menelao, alumno de Júpiter! Ya no espero
que salgamos con vida de esta batalla. Ni temo tanto por el cadáver
de Patroclo, que pronto saciará en Troya á los perros y aves de
rapiña, cuanto por tu cabeza y por la mía; pues el nublado de la
guerra, Héctor, todo lo cubre, y á nosotros nos espera una muerte
cruel. Ea, llama á los más valientes dánaos, por si alguno te oye.»
246 Así se expresó. Menelao, valiente en la pelea, no fué
desobediente; y alzando recio la voz, dijo á los dánaos:
¡Ah mísero! No piensas en la muerte, que ya se halla cerca de ti, y vistes las armas de un
hombre valentísimo á quien todos temen

(Canto XVII, versos 201 á 203.)

 248 «¡Oh amigos, capitanes y príncipes de los argivos; los que
bebéis en la tienda de los Atridas Agamenón y Menelao el vino que
el pueblo paga, mandáis las tropas y os viene de Júpiter el honor y
la gloria! Me es difícil ver á cada uno de los caudillos. ¡Tan grande es
el combate que aquí se ha empeñado! Pero acercaos vosotros,
indignándoos en vuestro corazón de que Patroclo llegue á ser
juguete de los perros troyanos.»
256 Tales fueron sus palabras. Oyóle en seguida el veloz Ayax de
Oileo, y acudió antes que nadie, corriendo á través del campo.
Siguiéronle Idomeneo y su escudero Meriones, igual al homicida
Marte. ¿Y quién podría retener en la memoria y decir los nombres de
cuantos aqueos fueron llegando para reanimar la pelea?
262 Los teucros acometieron apiñados, con Héctor á su frente.
Como en la desembocadura de un río que las celestiales lluvias
alimentan, las ingentes olas chocan bramando contra la corriente del
mismo, refluyen al mar y las altas orillas resuenan en torno; con una
gritería tan grande marchaban los teucros. Mientras tanto, los
aqueos permanecían firmes alrededor del cadáver del hijo de
Menetio, conservando el mismo ánimo y defendiéndose con los
escudos de bronce; y Júpiter rodeó de espesa niebla sus relucientes
cascos, porque nunca había aborrecido al hijo de Menetio mientras
vivió y fué servidor de Aquiles, y entonces veía con desagrado que el
cadáver pudiera llegar á ser juguete de los perros troyanos. Por esto
el dios incitaba á los compañeros á que lo defendieran.
274 En un principio, los teucros rechazaron á los aqueos, de ojos
vivos, y éstos, desamparando al muerto, huyeron espantados. Y si
bien los altivos teucros no consiguieron matar con sus lanzas á
ningún aquivo, como deseaban, empezaron á arrastrar el cadáver.
Poco tiempo debían los aqueos permanecer alejados de éste, pues
los hizo volver Ayax; el cual, así por su figura, como por sus obras,
era el mejor de los dánaos, después del eximio Pelida. Atravesó el
héroe las primeras filas, y parecido por su braveza al jabalí que en el
monte dispersa fácilmente, dando vueltas por los matorrales, á los
perros y á los florecientes mancebos; de la misma manera el
esclarecido Ayax, hijo del ilustre Telamón, acometió y dispersó las
falanges de troyanos que se agitaban en torno de Patroclo con el
decidido propósito de llevarlo á la ciudad y alcanzar gloria.
288 Hipótoo, hijo preclaro del pelasgo Leto, había atado una
correa á un tobillo de Patroclo, alrededor de los tendones; y
arrastraba el cadáver por el pie, á través del reñido combate, para
congraciarse con Héctor y los teucros. Pronto le ocurrió una
desgracia, de que nadie, por más que lo deseara, pudo librarle. Pues
el hijo de Telamón, acometiéndole por entre la turba, le hirió de
cerca á través del casco de broncíneas carrilleras: el casco,
guarnecido de un penacho de crines de caballo, se quebró al recibir
el golpe de la gran lanza manejada por la robusta mano; el cerebro
fluyó sanguinolento por la herida, á lo largo del asta; el guerrero
perdió las fuerzas, dejó escapar de sus manos al suelo el pie del
longánimo Patroclo, y cayó de pechos, junto al cadáver, lejos de la
fértil Larisa; y así no pudo pagar á sus progenitores la crianza, ni fué
larga su vida, porque sucumbió vencido por la lanza del magnánimo
Ayax.—Héctor arrojó, á su vez, la reluciente lanza; pero Ayax, al
notarlo, hurtó el cuerpo, y la broncínea arma alcanzó á Esquedio,
hijo del magnánimo Ifites y el más valiente de los focenses, que
tenía su casa en la célebre Pánope y reinaba sobre muchos
hombres: clavóse la punta debajo de la clavícula y, atravesándola,
salió por el hombro. El guerrero cayó con estrépito, y sus armas
resonaron.—Ayax hirió en medio del vientre al aguerrido Forcis, hijo
de Fénope, que defendía el cadáver de Hipótoo; y el bronce rompió
la cavidad de la coraza y desgarró las entrañas: el teucro, caído en el
polvo, cogió el suelo con las manos. Arredráronse los combatientes
delanteros y el esclarecido Héctor; y los argivos dieron grandes
voces, retiraron los cadáveres de Forcis y de Hipótoo, y quitaron de
sus hombros las respectivas armaduras.
319 Entonces los teucros hubieran vuelto á entrar en Ilión,
acosados por los belicosos aqueos y vencidos por su cobardía; y los
aqueos hubiesen alcanzado gloria, contra la voluntad de Júpiter, por
su fortaleza y su valor. Pero Apolo instigó á Eneas, tomando la figura
del heraldo Perifante Epítida, que había envejecido ejerciendo de
pregonero en la casa del padre del héroe y sabía dar saludables
consejos. Así transfigurado, habló Apolo, hijo de Júpiter, diciendo:
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebookluna.com