100% found this document useful (2 votes)
208 views

Instant Download Synthetic Data for Deep Learning: Generate Synthetic Data for Decision Making and Applications with Python and R 1st Edition Necmi Gürsakal PDF All Chapters

Making

Uploaded by

shetiekissen58
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
100% found this document useful (2 votes)
208 views

Instant Download Synthetic Data for Deep Learning: Generate Synthetic Data for Decision Making and Applications with Python and R 1st Edition Necmi Gürsakal PDF All Chapters

Making

Uploaded by

shetiekissen58
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 57

Download the full version of the ebook at

https://ebookmass.com

Synthetic Data for Deep Learning: Generate


Synthetic Data for Decision Making and
Applications with Python and R 1st Edition
Necmi Gürsakal
https://ebookmass.com/product/synthetic-data-for-
deep-learning-generate-synthetic-data-for-
decision-making-and-applications-with-python-
and-r-1st-edition-necmi-gursakal/

Explore and download more ebook at https://ebookmass.com


Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Synthetic Data for Deep Learning: Generate Synthetic Data


for Decision Making and Applications with Python and R 1st
Edition Necmi Gürsakal
https://ebookmass.com/product/synthetic-data-for-deep-learning-
generate-synthetic-data-for-decision-making-and-applications-with-
python-and-r-1st-edition-necmi-gursakal/
testbankdeal.com

Data Universe: Organizational Insights with Python:


Embracing Data Driven Decision Making Van Der Post

https://ebookmass.com/product/data-universe-organizational-insights-
with-python-embracing-data-driven-decision-making-van-der-post/

testbankdeal.com

Beginner's Guide to Streamlit with Python: Build Web-Based


Data and Machine Learning Applications 1st Edition Sujay
Raghavendra
https://ebookmass.com/product/beginners-guide-to-streamlit-with-
python-build-web-based-data-and-machine-learning-applications-1st-
edition-sujay-raghavendra/
testbankdeal.com

More Judgment Than Data: Data Literacy and Decision-Making


Michael Jones

https://ebookmass.com/product/more-judgment-than-data-data-literacy-
and-decision-making-michael-jones/

testbankdeal.com
Machine Learning with Python for Everyone (Addison Wesley
Data & Analytics Series) 1st Edition, (Ebook PDF)

https://ebookmass.com/product/machine-learning-with-python-for-
everyone-addison-wesley-data-analytics-series-1st-edition-ebook-pdf/

testbankdeal.com

(eBook PDF) Intro to Python for Computer Science and Data


Science: Learning to Program with AI, Big Data and The
Cloud
https://ebookmass.com/product/ebook-pdf-intro-to-python-for-computer-
science-and-data-science-learning-to-program-with-ai-big-data-and-the-
cloud/
testbankdeal.com

Modern Business Analytics: Practical Data Science for


Decision-making Matt Taddy

https://ebookmass.com/product/modern-business-analytics-practical-
data-science-for-decision-making-matt-taddy/

testbankdeal.com

Data Analysis for the Life Sciences with R 1st Edition

https://ebookmass.com/product/data-analysis-for-the-life-sciences-
with-r-1st-edition/

testbankdeal.com

Data Mining for Business Analytics: Concepts, Techniques


and Applications in Python eBook

https://ebookmass.com/product/data-mining-for-business-analytics-
concepts-techniques-and-applications-in-python-ebook/

testbankdeal.com
Synthetic
Data for
Deep Learning
Generate Synthetic Data for Decision
Making and Applications with
Python and R

Necmi Gürsakal
Sadullah Çelik
Esma Birişçi
Synthetic Data for Deep
Learning
Generate Synthetic Data for Decision
Making and Applications with Python
and R

Necmi Gürsakal
Sadullah Çelik
Esma Birişçi
Synthetic Data for Deep Learning: Generate Synthetic Data for Decision Making and
Applications with Python and R
Necmi Gürsakal Sadullah Çelik
Bursa, Turkey Aydın, Turkey

Esma Birişçi
Bursa, Turkey

ISBN-13 (pbk): 978-1-4842-8586-2 ISBN-13 (electronic): 978-1-4842-8587-9


https://doi.org/10.1007/978-1-4842-8587-9

Copyright © 2022 by Necmi Gürsakal, Sadullah Çelik, and Esma Birişçi


This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of the
material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation,
broadcasting, reproduction on microfilms or in any other physical way, and transmission or information
storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now
known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark symbol with
every occurrence of a trademarked name, logo, or image we use the names, logos, and images only in an
editorial fashion and to the benefit of the trademark owner, with no intention of infringement of the
trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if they are not
identified as such, is not to be taken as an expression of opinion as to whether or not they are subject to
proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of publication,
neither the authors nor the editors nor the publisher can accept any legal responsibility for any errors or
omissions that may be made. The publisher makes no warranty, express or implied, with respect to the
material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Celestin Suresh John
Development Editor: Laura Berendson
Coordinating Editor: Mark Powers
Cover designed by eStudioCalamar
Cover image by Simon Lee on Unsplash (www.unsplash.com)
Distributed to the book trade worldwide by Apress Media, LLC, 1 New York Plaza, New York, NY 10004,
U.S.A. Phone 1-800-SPRINGER, fax (201) 348-4505, e-mail orders-ny@springer-sbm.com, or visit www.
springeronline.com. Apress Media, LLC is a California LLC and the sole member (owner) is Springer Science
+ Business Media Finance Inc (SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation.
For information on translations, please e-mail booktranslations@springernature.com; for reprint,
paperback, or audio rights, please e-mail bookpermissions@springernature.com.
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook versions and
licenses are also available for most titles. For more information, reference our Print and eBook Bulk Sales
web page at http://www.apress.com/bulk-sales.
Any source code or other supplementary material referenced by the author in this book is available to
readers on GitHub (https://github.com/Apress). For more detailed information, please visit http://www.
apress.com/source-code.
Printed on acid-free paper
This book is dedicated to our mothers.
Table of Contents
About the Authors���������������������������������������������������������������������������������������������������� ix

About the Technical Reviewer��������������������������������������������������������������������������������� xi


Preface������������������������������������������������������������������������������������������������������������������ xiii

Introduction�������������������������������������������������������������������������������������������������������������xv

Chapter 1: An Introduction to Synthetic Data����������������������������������������������������������� 1


What Synthetic Data is?���������������������������������������������������������������������������������������������������������������� 1
Why is Synthetic Data Important?������������������������������������������������������������������������������������������� 2
Synthetic Data for Data Science and Artificial Intelligence����������������������������������������������������� 3
Accuracy Problems����������������������������������������������������������������������������������������������������������������������� 4
The Lifecycle of Data��������������������������������������������������������������������������������������������������������������������� 5
Data Collection versus Privacy������������������������������������������������������������������������������������������������������ 7
Data Privacy and Synthetic Data��������������������������������������������������������������������������������������������� 8
Synthetic Data and Data Quality������������������������������������������������������������������������������������������������� 10
Aplications of Synthetic Data������������������������������������������������������������������������������������������������������ 10
Financial Services����������������������������������������������������������������������������������������������������������������� 11
Manufacturing����������������������������������������������������������������������������������������������������������������������� 12
Healthcare����������������������������������������������������������������������������������������������������������������������������� 14
Automotive���������������������������������������������������������������������������������������������������������������������������� 16
Robotics��������������������������������������������������������������������������������������������������������������������������������� 17
Security��������������������������������������������������������������������������������������������������������������������������������� 18
Social Media�������������������������������������������������������������������������������������������������������������������������� 19
Marketing������������������������������������������������������������������������������������������������������������������������������ 20
Natural Language Processing������������������������������������������������������������������������������������������������ 21

v
Table of Contents

Computer Vision�������������������������������������������������������������������������������������������������������������������� 22
Summary������������������������������������������������������������������������������������������������������������������������������������ 27
References���������������������������������������������������������������������������������������������������������������������������������� 27

Chapter 2: Foundations of Synthetic data�������������������������������������������������������������� 31


How to Generated Fair Synthetic Data?�������������������������������������������������������������������������������������� 31
Generating Synthetic Data in A Simple Way�������������������������������������������������������������������������������� 32
Using Video Games to Create Synthetic Data������������������������������������������������������������������������������ 37
The Synthetic-to-Real Domain Gap��������������������������������������������������������������������������������������������� 42
Bridging the Gap�������������������������������������������������������������������������������������������������������������������� 42
Is Real-World Experience Unavoidable?�������������������������������������������������������������������������������� 49
Pretraining����������������������������������������������������������������������������������������������������������������������������� 50
Reinforcement Learning�������������������������������������������������������������������������������������������������������� 51
Self-Supervised Learning������������������������������������������������������������������������������������������������������ 53
Summary������������������������������������������������������������������������������������������������������������������������������������ 54
References���������������������������������������������������������������������������������������������������������������������������������� 55

Chapter 3: Introduction to GANs����������������������������������������������������������������������������� 61


GANs������������������������������������������������������������������������������������������������������������������������������������������� 61
CTGAN������������������������������������������������������������������������������������������������������������������������������������ 63
SurfelGAN������������������������������������������������������������������������������������������������������������������������������ 64
Cycle GANs���������������������������������������������������������������������������������������������������������������������������� 65
SinGAN-Seg��������������������������������������������������������������������������������������������������������������������������� 66
MedGAN��������������������������������������������������������������������������������������������������������������������������������� 66
DCGAN����������������������������������������������������������������������������������������������������������������������������������� 67
WGAN������������������������������������������������������������������������������������������������������������������������������������� 68
SeqGAN���������������������������������������������������������������������������������������������������������������������������������� 69
Conditional GAN��������������������������������������������������������������������������������������������������������������������� 70
BigGAN���������������������������������������������������������������������������������������������������������������������������������� 71
Summary������������������������������������������������������������������������������������������������������������������������������������ 72
References���������������������������������������������������������������������������������������������������������������������������������� 72

vi
Table of Contents

Chapter 4: Synthetic Data Generation with R��������������������������������������������������������� 75


Basic Functions Used in Generating Synthetic Data������������������������������������������������������������������� 75
Creating a Value Vector from a Known Univariate Distribution���������������������������������������������� 77
Vector Generation from a Multi-Levels Categorical Variable������������������������������������������������� 78
Multivariate��������������������������������������������������������������������������������������������������������������������������� 78
Multivariate (with correlation)����������������������������������������������������������������������������������������������� 79
Generating an Artificial Neural Network Using Package “nnet” in R������������������������������������������ 84
Augmented Data�������������������������������������������������������������������������������������������������������������������� 90
Image Augmentation Using Torch Package��������������������������������������������������������������������������������� 97
Multivariate Imputation Via “mice” Package in R��������������������������������������������������������������������� 102
Generating Synthetic Data with the “conjurer” Package in R��������������������������������������������������� 114
Creat a Customer����������������������������������������������������������������������������������������������������������������� 115
Creat a Product�������������������������������������������������������������������������������������������������������������������� 117
Creating Transactions���������������������������������������������������������������������������������������������������������� 118
Generating Synthetic Data��������������������������������������������������������������������������������������������������� 119
Generating Synthetic Data with “Synthpop” Package In R������������������������������������������������������� 121
Copula��������������������������������������������������������������������������������������������������������������������������������� 145
t Copula������������������������������������������������������������������������������������������������������������������������������� 147
Normal Copula��������������������������������������������������������������������������������������������������������������������� 150
Gaussian Copula������������������������������������������������������������������������������������������������������������������ 153
Summary���������������������������������������������������������������������������������������������������������������������������������� 157
References�������������������������������������������������������������������������������������������������������������������������������� 157

Chapter 5: Synthetic Data Generation with Python���������������������������������������������� 159


Data Generation with Know Distribution����������������������������������������������������������������������������������� 159
Data with Date information������������������������������������������������������������������������������������������������� 163
Data with Internet information�������������������������������������������������������������������������������������������� 163
A more complex and comprehensive example�������������������������������������������������������������������� 163
Synthetic Data Generation in Regression Problem������������������������������������������������������������������� 164
Gaussian Noise Apply to Regression Model������������������������������������������������������������������������ 168

vii
Table of Contents

Friedman Functions and Symbolic Regression������������������������������������������������������������������������� 172


Make 3d Plot������������������������������������������������������������������������������������������������������������������������ 174
Make3d Plot������������������������������������������������������������������������������������������������������������������������� 177
Synthetic data generation for Classification and Clustering Problems������������������������������������� 182
Classification Problems������������������������������������������������������������������������������������������������������� 183
Clustering Problems������������������������������������������������������������������������������������������������������������ 194
Generation Tabular Synthetic Data by Applying GANs��������������������������������������������������������������� 203
Synthetic data Generation��������������������������������������������������������������������������������������������������� 205
Summary���������������������������������������������������������������������������������������������������������������������������������� 214
Reference���������������������������������������������������������������������������������������������������������������������������������� 214

Index��������������������������������������������������������������������������������������������������������������������� 215

viii
About the Authors
Necmi Gürsakal a statistics professor at Mudanya University
in Turkey, where he shares his experience and knowledge
with his students. Before that, he worked as a faculty member
at the Econometrics Department Bursa Uludağ University
for more than 40 years. Necmi has many published Turkish
books and English and Turkish articles on data science,
machine learning, artificial intelligence, social network
analysis, and big data. In addition, he has served as a
consultant to various business organizations.

Sadullah Çelik a mathematician, statistician, and data


scientist who completed his undergraduate and graduate
education in mathematics and his doctorate in statistics. He
has written Turkish and English numerous articles on big
data, data science, machine learning, multivariate statistics,
and network science. He developed his programming and
machine learning knowledge while writing his doctoral
thesis, Big Data and Its Applications in Statistics. He has
been working as a Research Assistant at Adnan Menderes
University Aydin, for more than 8 years and has extensive
knowledge and experience in big data, data science, machine
learning, and statistics, which he passes on to his students.

ix
Visit https://ebookmass.com
now to explore a rich
collection of eBooks and enjoy
exciting offers!
About the Authors

Esma Birişçi a programmer, statistician, and operations


researcher with more than 15 years of experience in
computer program development and five years in teaching
students. She developed her programming ability while
studying for her bachelor degree, and knowledge of machine
learning during her master degree program. She completed
her thesis about data augmentation and supervised learning.
Esma transferred to Industrial Engineering and completed
her doctorate program on dynamic and stochastic nonlinear
programming. She studied large-scale optimization and life
cycle assessment, and developed a large-­scale food supply chain system application
using Python. She is currently working at Bursa Uludag University, Turkey, where she
transfers her knowledge to students. In this book, she is proud to be able to explain
Python’s powerful structure.

x
About the Technical Reviewer
Fatih Gökmenoğlu is a researcher focused on synthetic
data, computational intelligence, domain adaptation, and
active learning. He also likes reporting on the results of his
research.
His knowledge closely aligns with computer vision,
especially with deepfake technology. He studies both the
technology itself and ways of countering it.
When he’s not on the computer, you’ll likely find him
spending time with his little daughter, whose development
has many inspirations for his work on machine learning.

xi
Preface
In 2017, The Economist wrote, “The world’s most valuable resource is no longer oil,
but data,” and this becomes truer with every passing day. The gathering and analysis
of massive amounts of data drive the business world, public administration, and
science, giving leaders the information they need to make accurate, strategically-sound
decisions. Although some worry about the implications of this new “data economy,” it is
clear that data is here to stay. Those who can harness the power of data will be in a good
position to shape the future.
To use data ever more efficiently, machine and deep learning—forms of artificial
intelligence (AI)—continue to evolve. And every new development in how data and
AI are used impacts innumerable areas of everyday life. In other words, from banking
to healthcare to scientific research to sports and entertainment, data has become
everything. But, for privacy reasons, it is not always possible to find sufficient data.
As the lines between the real and virtual worlds continue to blur, data scientists have
begun to generate synthetic data, with or without real data, to understand, control, and
regulate decision-making in the real world. Instead of focusing on how to overcome
barriers to data, data professionals have the option of either transforming existing data
for their specific use or producing it synthetically. We have written this book to explore
the importance and meaning of these two avenues through real-world examples. If you
work with or are interested in data science, statistics, machine learning, deep learning, or
AI, this book is for you.
While deep learning models’ huge data needs are a bottleneck for such applications,
synthetic data has allowed these models to be, in a sense, self-fueled. Synthetic data
is still an emerging topic, from healthcare to retail, manufacturing to autonomous
driving. It should be noted that since labeling processes start with real data. Real data,
augmented data, and synthetic data all take place in these deep learning processes.
This book includes examples of Python and R applications for synthetic data
production. We hope that it proves to be as comprehensive as you need it to be.

—Necmi Gürsakal
— Sadullah Çelik
— Esma Birişçi

xiii
Introduction
“The claim is that nature itself operates in a way that is analogous to a priori reasoning.
The way nature operates is, of course, via causation: the processes we see unfolding
around us are causal processes, with earlier stages linked to later ones by causal
relations” [1]. Data is extremely important in the operation of causal relationships and
can be described as the “sine qua non” of these processes. In addition, data quality is
related to quantity and diversity, especially in the AI framework.
Data is the key to understanding causal relationships. Without data, it would
be impossible to understand how the world works. The philosopher David Hume
understood this better than anyone. According to Hume, our knowledge of the world
comes from our experiences. Experiences produce data, which can be stored on a
computer or in the cloud. Based on this data, we can make predictions about what will
happen in the future. These predictions allow us to test our hypotheses and theories. If
our predictions are correct, we can have confidence in our ideas. If they are wrong, we
need to rethink our hypotheses and theories. This cycle of testing and refinement is how
we make progress in science and life. This is how we make progress as scientists and as
human beings.
Many of today’s technology giants, such as Amazon, Facebook, and Google, have
made data-driven decision-making the core of their business models. They have done
this by harnessing the power of big data and AI to make decisions that would otherwise
be impossible. In many ways, these companies are following in the footsteps of Hume,
using data to better understand the world around them.
As technology advances, how we collect and store data also changes. In the past,
data was collected through experiments and observations made by scientists. However,
with the advent of computers and the internet, data can now be collected automatically
and stored in a central location. This has led to a change in the way we think about
knowledge. Instead of knowledge being stored in our minds, it is now something that is
stored in computers and accessed through algorithms.
This change in the way we think about knowledge has had a profound impact on the
way we live and work. In the past, we would have to rely on our memory and experience
to make decisions. However, now we can use data to make more informed decisions.

xv
Introduction

For example, we can use data about the past behavior of consumers to predict what
they might buy in the future. This has led to a more efficient and effective way of doing
business.
In the age of big data, it is more important than ever to have high-quality data to
make accurate predictions. However, it is not only the quantity and quality of the data
that is important but also the diversity. The diversity of data sources is important to
avoid bias and to get a more accurate picture of the world. This is because different data
sources can provide different perspectives on the same issue, which can help to avoid
bias. Furthermore, more data sources can provide a more complete picture of what is
happening in the world.

Machine Learning
In recent years, a method has been developed to teach machines to see, read, and hear
via data input. The point of origin for this is what we think of in the brain as producing
output bypassing inputs through a large network of neurons. In this framework, we
are trying to give machines the ability to learn by modeling artificial neural networks.
Although some authors suggest that the brain does not work that way, this is the path
followed today.
Many machines learning projects in new application areas began with the labeling
of data by humans to initiate machine training. These projects were categorized under
the title of supervised learning. This labeling task is similar to the structured content
analysis applied in social sciences and humanities. Supervised learning is a type of
machine learning that is based on providing the machine with training data that is
already labeled. This allows the machine to learn and generalize from the data to make
predictions about new data. Supervised learning is a powerful tool for many machine
learning applications.
The quality of data used in machine learning studies is crucial for the accuracy
of the findings. A study by Geiger et al. (2020) showed that the data used to train a
machine learning model for credit scoring was of poor quality, which led to an unfair
and inaccurate model. The study highlights the importance of data quality in machine
learning research. Data quality is essential for accurate results. Furthermore, the study
showed how data labeling impacts data quality. About half of the papers using original
human annotation overlap with other papers to some extent, and about 70% of the

xvi
Introduction

papers that use multiple overlaps report metrics of inter-annotator agreement [2]. This
suggests that the data used in these studies is unreliable and that further research is
needed to improve data quality.
As more business decisions are informed by data analysis, more companies are
built on data. However, data quality remains a problem. Unfortunately, “garbage in,
garbage out,” which was a frequently used motto about computers in the past, is valid
in the sense of data sampling, which is also used in the framework of machine learning.
According to the AI logic most employed today, if qualified college graduates have been
successful in obtaining doctorates in the past, they will remain doing so in the future.
In this context, naturally, the way to get a good result in machine learning is to include
“black swans” in our training data, and this is also a problem with our datasets.
A “black swan” is a term used to describe outliers in datasets. It is a rare event that
is difficult to predict and has a major impact on a system. In machine learning, a black
swan event is not represented in the training data but could significantly impact the
results of the machine learning algorithm. Black swans train models to be more robust
to unexpected inputs. It is important to include them in training datasets to avoid biased
results.
Over time, technological development has moved it into the framework of human
decision-making with data and into the decision-making framework of machines. Now,
machines evaluate big data and make decisions with algorithms written by humans.
For example, a driverless car can navigate toward the desired destination by constantly
collecting data on stationary and moving objects around it in various ways. Autonomous
driving is a very important and constantly developing application area for synthetic data.
Autonomous driving systems should be developed at a capability level that can solve
complex and varied traffic problems in simulation. The scenarios we mentioned in these
simulations are sometimes made by gaming engines such as Unreal and Unity. Creating
accurate and useful “synthetic data” with simulations based on real data will be the way
companies will prefer real data that cannot be easily found.
Synthetic data is becoming an increasingly important tool for businesses looking to
improve their AI initiatives and overcome many of the associated challenges. By creating
synthetic data, businesses can shape and form data to their needs and augment and
de-bias their datasets. This makes synthetic data an essential part of any AI strategy.
DataGen, Mostly, Cvedia, Hazy, AI.Reverie, Omniverse, and Anyverse can be counted
among the startups that produce synthetic data. Sample images from synthetic outdoor
datasets produced by such companies can be seen in the given source.

xvii
Introduction

In addition to the benefits mentioned, synthetic data can also help businesses train
their AI models more effectively and efficiently. Businesses can avoid the need for costly
and time-consuming data collection processes by using synthetic data. This can help
businesses save money and resources and get their AI initiatives up and running more
quickly.

Who Is This Book For?


The book is meant for people who want to learn about synthetic data and its
applications. It will prove especially useful for people working in machine learning and
computer vision, as synthetic data can be used to train machine learning models that
can make more accurate predictions about real-world data.
The book is written for the benefit of data scientists, machine learning engineers,
deep learning practitioners, artificial intelligence researchers, data engineers, business
analysts, information technology professionals, students, and anyone interested in
learning more about synthetic data and its applications.

Book Structure
Synthetic data is not originally collected from real-world sources. It is generated by
artificial means, using algorithms or mathematical models, and has many applications
in deep learning, particularly in training neural networks. This book, which discusses the
structure and application of synthetic data, consists of five chapters.
Chapter 1 covers synthetic data, why it is important, and how it can be used in
data science and artificial intelligence applications. This chapter also discusses the
accuracy problems associated with synthetic data, the life cycle of data, and the
tradeoffs between data collection and privacy. Finally, this chapter describes some
applications of synthetic data, including financial services, manufacturing, healthcare,
automotive, robotics, security, social media, marketing, natural language processing,
and computer vision.
Chapter 2 provides information about different ways of generating synthetic data. It
covers how to generate fair synthetic data, as well as how to use video games to create
synthetic data. The chapter also discusses the synthetic-to-real domain gap and how
to overcome it using domain transfer, domain adaptation, and domain randomization.

xviii
Introduction

Finally, the chapter discusses whether a real-world experience is necessary for training
machine learning models and, if not, how to achieve it using pretraining, reinforcement
learning, and self-supervised learning.
Chapter 3 explains the content and purpose of a generative adversarial network, or
GAN, a type of AI used to generate new data, like training data.
Chapter 4 explores synthetic data generation with R.
Chapter 5 covers different methods of synthetic data generation with Python.

Learning Outcomes of the Book


Readers of this book will learn about the various types of synthetic data, how to create
them, and their benefits and challenges. They will also learn about its importance in data
science and artificial intelligence. Furthermore, readers will come away understanding
how to employ automatic data labeling and how GANs can be used to generate synthetic
data. Lastly, readers who complete this book will know how to generate synthetic data
using the R and Python programming languages.

Source Code
The datasets and source code used in this book can be downloaded from ­github.com/
apress/synthetic-data-deep-learning.

References
[1]. M. Rozemund, “The Nature of the Mind,” in The Blackwell Guide
to Descartes’ Meditations, S. Gaukroger, John Wiley & Sons, 2006.

[2]. R. S. Geiger et al., “Garbage In, Garbage Out?,” in Proceedings of the


2020 Conference on Fairness, Accountability, and Transparency,
Jan. 2020, pp. 325–336. doi: 10.1145/3351095.3372862.

xix
CHAPTER 1

An Introduction
to Synthetic Data
In this chapter, we will explore the concept of data and its importance in today’s world.
We will discuss the lifecycle of data from collection to storage and how synthetic data can
be used to improve accuracy in data science and artificial intelligence (AI) applications.
Next, we will explore of synthetic data applications in financial services, manufacturing,
healthcare, automotive, robotics, security, social media, and marketing. Finally, we
will examine natural language processing, computer vision, understanding of visual
scenes, and segmentation problems in terms of synthetic data.

What Synthetic Data is?


Despite 21st-century advances in data collection and analysis, there is still a lack of
understanding of how to properly utilize data to minimize the perceived ambiguity or
subjectivity of the information it represents. This is because the same meaning can be
expressed in a variety of ways, and a single expression can have multiple meanings. As
a result, it is difficult to create a comprehensive framework for data interpretation that
considers all of the potential nuances and implications of the information. One way to
overcome this challenge is to develop standardized methods for data collection and
analysis. This will ensure that data is collected consistently and that the results can be
compared across different studies and synthetic data can help us do just that.
People generally view synthetic data as being less reliable than data that is obtained
by direct measurement. Put simply, Synthetic data is data that is generated by a
computer program rather than being collected from real-world sources. While synthetic
data is often less reliable than data that is collected directly from the real world, it is still
an essential tool for data scientists. This is because synthetic data can be used to test

1
© Necmi Gürsakal, Sadullah Çelik, and Esma Birişçi 2022
N. Gürsakal et al., Synthetic Data for Deep Learning, https://doi.org/10.1007/978-1-4842-8587-9_1
Visit https://ebookmass.com
now to explore a rich
collection of eBooks and enjoy
exciting offers!
Chapter 1 An Introduction to Synthetic Data

hypotheses and models before they are applied to real-world data. This can help data
scientists avoid making errors that could have negative consequences in the real world.
Synthetic data that is artificially generated by a computer program or simulation,
rather than being collected from real-world sources [11]. When we examine this
definition, we see that the following concepts are included in the definition:
“Annotated information, computer simulations, algorithm, and “not measured in a
real-world”.
The key features of synthetic data are as follows:

• Not obtained by direct measurement

• Generated via an algorithm

• Associated with a mathematical or statistical model

• Mimics real data

Now let’s explain why synthetic data is important.

Why is Synthetic Data Important?


Humans have a habit of creating synthetic versions of expensive products. Silk is an
expensive product that began to be used thousands of years ago, and rayon was created
in the 1880s. So, it’s little surprise that people would do the same with data, choosing
to produce synthetic data because it is cost-effective. As mentioned earlier, synthetic
data allows scientists to test hypotheses and models in a controlled environment it can
also be used to create “what if” scenarios, helping data scientists to better understand
the outcomes of their models.
Likewise, synthetic data can be used in a variety of ways to improve machine
learning models and protect the privacy of real data. First, synthetic data can be used
to train machine learning models when real data is not available. This is especially
important for developing countries, where data is often scarce. Second, synthetic data
can be used to test machine learning models before deploying them on real data. This is
important for ensuring that models work as intended and won’t compromise the real
data. Finally, synthetic data can be used to protect the privacy of real data by generating
data that is similar to real data but does not contain any personal information.
Synthetic data also provides more control than real data. Actual data comes from
many different sources, which can result in datasets so large and diverse that they
become unwieldy. Because synthetic data is created using a model whose data is
2
Chapter 1 An Introduction to Synthetic Data

generated for a specific purpose, it will not be randomly scattered. In some cases,
synthetic data may even be of a higher quality than real data. Actual data may need to be
over-processed when necessary, and too much data may be processed when necessary.
These actions can reduce the quality of the data. Synthetic data, on the other hand, can
be of higher quality, thanks to the model used to generate the data.
Overall, synthetic data has many advantages over real data. Synthetic data is more
controlled, of higher quality, and can be generated in the desired quantities. These
factors make synthetic data a valuable tool for many applications. A final reason why
synthetic data is important is that it can be used to generate data for research purposes,
allowing researchers to study data that is not biased or otherwise not representative of
the real data.
Now let’s explain the importance of synthetic data for data science and artificial
intelligence.

Synthetic Data for Data Science and Artificial Intelligence


The use of synthetic data is not a new concept. In the early days of data science and AI,
synthetic data was used to train machine learning models. However, synthetic data of the
past was often low-quality and not realistic enough to be useful for training today’s more
sophisticated AI models.
Recent advances in data generation techniques, such as Generative Adversarial
Networks (GANs), have made it possible to generate synthetic data that is virtually
indistinguishable from real-world data. This high-quality synthetic data is often referred
to as “realistic synthetic data”.
The use of realistic synthetic data has the potential to transform the data science and
AI fields. Realistic synthetic data can be used to train machine learning models without
the need for real-world data. This is especially beneficial in cases where real-world data
is scarce, expensive, or difficult to obtain.
In addition, realistic synthetic data can be used to create “virtual environments” for
testing and experimentation. These virtual environments can be used to test machine
learning models in a safe and controlled manner, without the need for real-world data.
For example, a computer algorithm might be used to generate realistic-looking
images of people or objects. This could be used to train a machine learning system
to better recognize these objects in real-world images. Alternatively, synthetic data
could be used instead of real-world data if the latter is not available or is too expensive
to obtain.
3
Random documents with unrelated
content Scribd suggests to you:
¡Ay de mí, mísera! ¿A qué he de gritar? ¿De qué servirán mis voces
y mis lágrimas? ¡Vejez infortunada! ¡Intolerable servidumbre, que no
podré sobrellevar! ¡Ay de mí! ¡Ay de mí! ¿Quién me defenderá? ¿Qué
gente? ¿Qué ciudad? Murió el anciano Príamo, y morirán también sus
hijos. ¿Iré por aquí o iré por allí? ¿Adónde me encaminaré? ¿Do habrá
algún dios, o algún genio, que me socorra? Ya no me será grato ver la
luz. ¡Oh, troyanas, mensajeras de malas nuevas, mensajeras de
calamidades; me habéis dado muerte, habéis acabado conmigo! ¡Oh
pies míseros! Llevadme, conducid a esta anciana a la tienda inmediata
(Volviendo hacia su tienda). ¡Fruto de mis entrañas, hija de misérrima
madre! Sal, sal de tu habitación; oye la voz de tu madre, ¡oh hija!
para que conozcas la amenaza contra tu vida que ha traído la fama.
POLÍXENA

Madre, ¿por qué te quejas? ¿Qué novedad anuncias, haciéndome


salir de mi tienda, aterrada como un pajarillo?
HÉCUBA

¡Ay de mí! ¡Oh hija!


POLÍXENA

¿Por qué sollozas?


HÉCUBA

¡Ay, ay de tu vida!
POLÍXENA

¿Por qué dices esto?


HÉCUBA
¡Hija, hija de desdichada madre!
POLÍXENA

¿A qué llamas con esa voz de mal agüero? Nada bueno me indica
Habla, no me lo ocultes más tiempo. ¡Tengo miedo, madre, tengo
miedo!
HÉCUBA
Refiero, ¡oh hija!, un rumor fatal: dicen que los argivos han
decretado arrancarme tu vida.
POLÍXENA

¡Ay de mí, madre! ¿Cómo me anuncias tan horrendos males?


Explícate, madre, explícate.
HÉCUBA

Los argivos, de común acuerdo, tratan, ¡oh hija!, de sacrificarte


sobre el túmulo del hijo de Peleo.
POLÍXENA[32]

¡Oh, madre, que tales penas sufres! ¡Oh tú, la más infeliz de las
madres! ¡Oh mujer desdichada! ¿Qué numen ha suscitado contra ti de
nuevo tantas infaustas e inauditas calamidades? Ya no seré tu
compañera de esclavitud; ya no podré, siendo tu hija, consolarte en tu
deplorable vejez. Como a leoncilla criada en las selvas, como a
ternerilla nueva, me verás separada de ti, me verás degollar, y bajaré a
las subterráneas tinieblas de Hades, en donde yaceré con los muertos
Por ti lloro, ¡oh madre desdichada!, por ti me lamento amargamente
No por mi vida, llena de males y de oprobio, porque es mejor mi suerte
muriendo.
EL CORO

He aquí a Odiseo, que viene con pies ligeros, ¡oh Hécuba!, a


participarte sin duda alguna nueva.
ODISEO

Paréceme, ¡oh mujer!, que conoces la decisión del ejército y e


resultado de sus sufragios; pero te lo diré, sin embargo. Los griegos
han decretado que tu hija Políxena muera sobre el alto túmulo de
sepulcro de Aquiles. Quieren que yo sea quien acompañe y conduzca a
la virgen, y que el hijo de Aquiles presida y ejecute el sacrificio
¿Sabes, pues, lo que has de hacer? No me obligues a emplear la
violencia ni intentes luchar conmigo; resígnate ante una fuerza mayo
y, de lo contrario, teme mayores males. Sabido es que hasta las
desdichas se han de sentir con moderación.
HÉCUBA

¡Ay de mí! Gran lucha, según presumo, se prepara, y abundantes


gemidos y no pocas lágrimas. ¡Y no morí cuando debía haber muerto
y Zeus no me mató; antes me conserva para que cada día sufra
mayores males! Pero si es lícito a esclavas preguntar a los que son
libres, sin amargura ni encono, dígnate contestarme, y que nosotras
que preguntamos, escuchemos.
ODISEO

Te es lícito; interroga; te concedo sin obstáculo este plazo.


HÉCUBA

¿Recuerdas que fuiste de espía a Ilión, disfrazado con viles harapos


y manchada tu barba con las gotas de sangre que caían de tus ojos?[33
ODISEO

Me acuerdo; grande fue mi apuro.


HÉCUBA

Pero te conoció Helena, y a mí sola lo dijo.


ODISEO

No se me olvida que estuve en gran peligro.


HÉCUBA

Y abrazaste humildemente mis rodillas.


ODISEO

Y mi mano, fría como la de un difunto, se agarró a tus vestidos.


HÉCUBA

¿Qué decías entonces cuando eras mi esclavo?


ODISEO
Atormenté mi ingenio y mi lengua para no morir.
HÉCUBA

Te salvé, y te dejé salir de Troya en libertad.


ODISEO
Por esto veo la luz ahora.
HÉCUBA

¿Y no podré echarte en cara tu ingratitud, habiendo confesado lo


que acabo de oír, y no haciéndome bien, sino todo el mal que puedes?
Ingratos sois los que anheláis alcanzar fama en las asambleas; que yo
no os mire, que para nada os acordáis de vuestros amigos que sufren
ganosos de decir algo que os concilie la gracia del pueblo. ¿Pero a qué
astuta invención habéis recurrido para decretar la muerte de esta niña?
¿Manda acaso el destino sacrificar hombres sobre el túmulo, en donde
debieran sacrificarse toros?[34] ¿O Aquiles reclama esa sangre con
justicia para matar a su vez a los que le mataron?[35]
Pero esta no le hizo mal alguno. Mejor fuera que pidiese a Helena
víctima más grata a su sepulcro, causa de todas sus desdichas y de su
venida a Troya. Si conviene que muera alguna cautiva ilustre, de
notable hermosura, esto no nos atañe, que Helena es bellísima, y ha
hecho no menor daño que nosotras. Oblígame la equidad a defende
así mi causa; oye lo que debes exigir en cambio, siendo yo quien te lo
pide. Tocaste mi mano, como tú mismo dices, y estas débiles rodillas
cayendo a mis pies; yo ahora toco las tuyas, y te suplico que me
pagues mi anterior beneficio, y te ruego que no arrebates de mis
manos a mi hija, y que no la sacrifiquéis. Bastantes han muerto ya
esta es mi alegría; esta sola el olvido de mis males;[36] esta me
consuela por muchos, y es a un tiempo mi ciudad,[37] mi nodriza, m
báculo, la estrella de mi vida. Los que vencen no han de manda
injusticias, ni porque son felices creer que lo han de ser siempre. Yo
también lo era y ya no lo soy, y un solo día me arrebató para siempre
mi dicha; respétame, pues; ten compasión de mí, vuelve al ejército de
los argivos, y adviértele que es odioso matar mujeres cuya vida
perdonasteis al arrancarlas de los altares, apiadándoos de ellas
Prohibición de derramar sangre hay por la ley entre vosotros, tan
favorable a los libres como a los siervos. Basta tu autoridad para
persuadir a los demás, aunque defendieras peor causa, porque las
palabras de villanos y nobles, siendo las mismas, no valen lo mismo.
EL CORO
No hay hombre, por feroz que sea, que al oír tus gemidos y
continuos sollozos no llore también.
ODISEO[38]

Escúchame atenta, ¡oh Hécuba!, y que la ira no te ciegue hasta e


punto de interpretar mal mis benévolas frases. Pronto estoy a
protegerte, porque tú me salvaste, y así lo he dicho siempre, que no
negaré lo que todos han oído. Tomada Troya, es preciso que tu hija
sea sacrificada al más valeroso de nuestro ejército, que la pide, si es
cierto que los males de muchas ciudades provienen de que se
recompensa lo mismo a los fuertes y buenos que a los cobardes
Aquiles merece entre nosotros ese honor, ¡oh mujer!, habiendo muerto
como un valiente por los griegos. ¿No es vergonzoso que al que en
vida tuvimos por amigo no lo sea después de muerto? ¿Qué, pues, se
dirá si es preciso juntar otro ejército y venir de nuevo a las manos con
el enemigo? ¿Pelearemos, o cuidaremos solo de nuestra vida, viendo
que ningún homenaje honroso se tributa a los difuntos? Bástame
cualquier cosa mientras yo exista, aunque tenga poco; mi mayor deseo
es que sea honrado mi sepulcro, porque esta gracia dura mucho
tiempo. Si dices que sufres males dignos de lástima, oye de mí en
cambio que hay entre nosotros ancianos y ancianas como tú, y muchas
esposas que perdieron esforzadísimos esposos, a quienes hoy cubre la
tierra idea.[39] Ten, pues, paciencia; si hicimos mal decretando honra
al fuerte, habremos pecado sin saberlo; vosotros, bárbaros, ni tratáis a
los amigos como a amigos, ni honráis a los muertos, y por eso es la
Grecia afortunada y vosotros sufrís las consecuencias de vuestro yerro.
EL CORO
¡Ay! ¡Qué dura es la esclavitud, y vivir en ella, y sufrir lo que no
debemos, y ser víctimas de la violencia!
HÉCUBA

¡Oh, hija! El aire se ha llevado mis palabras, proferidas en vano para


librarte de la muerte; si tú puedes más que tu madre, no pierdas
tiempo; habla en diversos tonos, como el ruiseñor, para que no te
arranquen la vida. Abraza las rodillas de Odiseo, que acaso excites su
compasión y lo persuadas; sobrado justa es tu causa, y acaso lo
muevas a lástima, porque tiene también hijos.
POLÍXENA

Te veo, ¡oh Odiseo!, ocultando tu diestra bajo el vestido e


inclinándote hacia atrás para que no toque tu barba.[40] Alégrate, que
has esquivado mis súplicas, que ensalza Zeus; yo te seguiré, obligada
por la necesidad y sin rehuir la muerte, que si otra cosa hiciera
parecería mujer cobarde y demasiado amante de la vida. ¿Para qué he
de vivir habiendo sido mi padre rey de toda la Frigia?[41] Plácida
comenzó mi existencia, haciéndome esperar que después me casaría
también con reyes, y que haría envidiable la suerte del que me tomase
por esposa y me hiciese compañera de su casa y de su hogar. Yo
ahora infeliz, reina era de las mujeres del Ida, virgen notable e igual a
los dioses, y solo me diferenciaba de ellos en que estaba expuesta a la
muerte. ¡Y soy esclava! Este solo nombre me hacía desearla en un
principio, no pudiendo acostumbrarme a oírlo. Acaso tocaría después a
dueños crueles que me comprarían por dinero, siendo hermana de
Héctor y de tantos héroes, y me obligarían a amasar el pan, a barre
su casa y a tejer con la lanzadera, pasando triste vida; y mi lecho
antes digno de un rey, sería profanado por cualquier esclavo. No será
así; al Orco entregaré mi cuerpo, y mis ojos, siempre libres,[42] no
verán ya la luz. Llévame, pues, y mátame de paso, ¡oh Odiseo! No
debemos esperar nada ni confiar en nadie, que el destino me fuerza a
sufrir esta desventura. No te opongas, ¡oh madre!, a mi propósito n
con palabras ni con obras; déjame morir antes que apelar a ruegos
vergonzosos, indignos de mí. Quien no está acostumbrado a los males
los sufre en verdad, pero le duele sujetar a ellos su cerviz; el muerto
es, bajo este aspecto, más feliz que el vivo; que una vida sin honra es
la mayor de las desdichas.
EL CORO
Favor insigne y señalado entre los hombres es nacer de nobles
padres, y más nobles aún son aquellos que a la nobleza de su linaje
añaden la de sus acciones.[43]
HÉCUBA
Con dignidad has hablado, ¡oh hija mía!, pero con dignidad no
exenta de amargura. Mas si conviene honrar al hijo de Peleo y podéis
evitar el oprobio que os amenaza, no quitéis a esta la vida, ¡oh
Odiseo!, sino conducidnos a ambas a la hoguera que arderá junto a
sepulcro de Aquiles, y sacrificadnos sin compasión. Yo di a luz a Paris
que mató al hijo de Tetis, hiriéndole con sus flechas.
ODISEO

La sombra de Aquiles, ¡oh anciana!, no pidió a los griegos que


fueses tú la víctima, sino solo esta.
HÉCUBA
Matadme al menos con mi hija, y beberá la tierra y el que la pide
doble raudal de sangre.
ODISEO

Basta la muerte de tu hija; no añadiremos otra, y ojalá que ni aun la


suya fuese necesaria.
HÉCUBA

Morir con mi hija es mi más ardiente deseo.


ODISEO

¿Cómo así? Yo no sabía que también tuviese dueños.


HÉCUBA (abrazando a Políxena).
Como la hiedra a la encina me adheriré a ella.
ODISEO

No lo harás si obedeces a quienes son más prudentes que tú.


HÉCUBA
Jamás consentiré que se la lleven.
ODISEO

Y yo no me iré sin ella.


POLÍXENA
Escuchadme: tú, hijo de Laertes, muéstrate más generoso con
madres justamente irritadas; y tú, madre, no luches con los
vencedores. ¿Quieres caer en tierra, y que se lastime tu débil cuerpo
vencida por la fuerza, profanándote un brazo vigoroso que te separará
de mí? Así sucederá sin duda. Nada hagas que no debas hacerlo
Dame tu dulcísima mano, ¡oh madre amada!, y que tus mejillas toquen
las mías, que nunca después (esta es la vez postrera) veré el disco y
los rayos del sol. Y no volverás a oírme hablar, ¡oh madre!, ¡oh tú que
me diste a luz!, que ya voy a los infiernos. (Abrazadas las dos entablan
el siguiente diálogo):
HÉCUBA

Nosotras, ¡oh hija!, seremos esclavas en la tierra.


POLÍXENA
Sin haber conocido esposo, ni casarme como a mi linaje convenía.
HÉCUBA

Digna eres de lástima; yo también soy desgraciada.


POLÍXENA

Allá en el Orco yaceré separada de ti.


HÉCUBA

¡Ay de mí! ¿Qué hacer? ¿En dónde acabaré mi vida?


POLÍXENA
Moriré esclava, habiendo sido mi padre libre.
HÉCUBA

Y yo he perdido cincuenta hijos.


POLÍXENA
¿Qué he de decir a Héctor o a tu anciano esposo?
HÉCUBA

Diles que soy la mujer más digna de lástima.


POLÍXENA
¡Oh seno maternal! ¡Oh pechos que tan suavemente me
alimentasteis!
HÉCUBA

¡Deplorable e inesperada desdicha!


POLÍXENA

Vivo feliz, madre mía; adiós, Casandra...


HÉCUBA

Otros podrán vivir, no una madre.


POLÍXENA

Y tú, hermano Polidoro, ahora entre los caballeros tracios...


HÉCUBA

Si vive, que lo dudo, siendo tanta mi desgracia.


POLÍXENA
Vive, y cerrará tus ojos al morir.
HÉCUBA

Matáronme mis males antes de haber llegado mi última hora.


POLÍXENA (arrancándose de los brazos de su madre).
Llévame, Odiseo; cubre con el peplo[44] mi cabeza, porque, antes de
sacrificarme, desgarran mi corazón los gritos de mi madre, y yo el suyo
con los míos. ¡Oh luz! ¡Siquiera puedo invocar tu nombre! Nada tuyo
me pertenece, sino el espacio que media entre este lugar, y la cuchilla
y el túmulo de Aquiles. (Se retira).
HÉCUBA

¡Ay de mí! Ya no puedo sostenerme, y desmaya mi fuerza. ¡Oh hija


¡Abraza a tu madre, extiende tu mano, dámela! (Acuden sus esclavas y
la sientan en el suelo). ¡No me dejes sin hijos! Yo muero, ¡oh amigas
(Con la vista fija en Políxena). ¡Oh, si yo viera a la lacedemonia Helena
hermana de los Dioscuros, la de los bellos ojos, que arruinó a Troya
ignominiosamente!
EL CORO

Estrofa 1.ª — ¡Oh aura, aura marina, que impeles a las ligeras
naves, surcando las olas! ¿Adónde llevarás a esta mísera? ¿Qué dueño
me comprará para arrastrarme a su hogar? ¿Iré a las riberas de la
Dóride,[45] o a las de la Ftía,[46] en donde dicen que el Apídano,[47] río
de cristalinas ondas, fertiliza los campos?
Antístrofa 1.ª — ¿O a alguna de las islas, al son del marino remo
para vivir triste vida, a do crece la primera palma que vieron los
hombres,[48] y el laurel sagrado en honor de Leto y de sus hijos
delicias de Zeus? ¿Cantaré himnos con las vírgenes delias a la diosa
Artemisa, y celebraré sus blondos cabellos y su arco?
Estrofa 2.ª — ¿O en la ciudad de Palas y en el peplo amarillo de
Atenea labraré con la aguja la cuadriga y sus caballos, sembrándolo de
tejidas y artificiosas flores, o al linaje de los titanes, a quienes Zeus, e
hijo de Cronos, condenó con sus rayos a perpetuo sueño?[49]
Antístrofa 2.ª — ¡Ay de mis padres, ay de mis hijos, ay de mi patria
que cayó envuelta en humo, vencida en la guerra por los griegos! Yo
dejo el Asia sierva de la Europa, trocando el tálamo por el Orco,[50] y
me llamarán esclava en tierra extraña.
TALTIBIO
¿En dónde, ¡oh doncellas troyanas!, podré encontrar a Hécuba, la
que hace poco era reina de Ilión?
EL CORO

Es la que miras, ¡oh Taltibio!, junto a ti, tendida en tierra y envuelta


en su vestido.
TALTIBIO

¿Qué diré, oh Zeus? ¿Te interesas por los hombres, o ellos lo creen
falsamente, pensando que hay dioses, y que la fortuna domina a
mismo tiempo a los mortales? ¿No fue Hécuba reina de los frigios
ricos en oro? ¿No fue esposa de Príamo, gloriosamente afortunado? La
lanza ha derribado su ciudad, y ella, esclava y anciana, huérfana de
sus hijos, yace en tierra, manchando con el polvo su cabeza
desventurada. ¡Ah!, ¡ah! Viejo soy, pero más quiero morir que sufri
vergonzosos males. (Acercándose a Hécuba). Levántate, ¡oh muje
infeliz! Que tu cuerpo y tu blanca cabeza abandonen la tierra.
HÉCUBA (levantándose).

¡Ah! ¿Quién turba mi reposo? Quienquiera que seas, ¿por qué no


respetas mi aflicción?
TALTIBIO
Yo soy Taltibio, heraldo de los hijos de Dánao, qué vengó a llamarte
de orden de Agamenón.
HÉCUBA

¿Has venido acaso, y entonces llenarás mis deseos, para


sacrificarme ante el túmulo por mandato de los griegos? ¡Oh, cuán
grato me sería! Vayamos cuanto antes, apresurémonos; guíame, ¡oh
anciano!
TALTIBIO

Vengo a llamarte, ¡oh mujer!, para que sepultes a tu hija, ya


muerta. Encárganmelo los dos Atridas y el pueblo aqueo.
HÉCUBA

¡Ay de mí! ¿Qué dices? ¿No has venido a buscarme, cuando estoy a
punto de morir, sino para anunciarme males? Pereciste, ¡oh hija!
arrancada de los brazos de tu madre: yo quedo sin hijos, sin ti a
menos; ¡oh, cuán desgraciada soy! ¿Cómo la sacrificasteis? ¿Con
respeto, os ensañasteis en ella, ¡oh anciano!, como si fuese un
enemigo? Habla, aunque tus frases me aflijan.
TALTIBIO[51]
Me harás llorar dos veces, ¡oh mujer!, compadecido de tu hija
ahora humedeceré mis ojos recordándolo, y al morir lloré también
junto al sepulcro. La muchedumbre infinita del ejército aqueo acudió
alrededor del túmulo para presenciar el sacrificio de Políxena: el hijo de
Aquiles la llevó de la mano hasta colocarla en lo alto del túmulo
teniéndome a su lado; seguíanle los principales jóvenes aqueos para
sujetar a la víctima en las convulsiones de la agonía. El hijo de Aquiles
con el vaso dorado de las libaciones, las hizo a los manes de su padre
ordenándome después que impusiese silencio a todo el ejército. Yo
entonces, en medio de ellos, dije: «Callad, ¡oh griegos!; haya silencio
en el pueblo; que ninguno hable, que todos guarden compostura», y la
muchedumbre calló en efecto. Él, a su vez, se expresó así: «Recibe
¡oh padre mío!, hijo de Peleo, estas libaciones que evocan a los
muertos, y muéstrate propicio: ven a beber la negra y no libada sangre
de esta virgen, que el ejército y yo te ofrecemos; favorécenos, desata
nuestras popas, suelta nuestras naves, y concédenos a todos que
tornemos con felicidad desde Troya a nuestra patria». Así dijo, y todo
el ejército le acompañó en su oración. Cogió luego la empuñadura de
oro de su espada, y, desenvainándola, hizo seña a los jóvenes griegos
para que sujetaran a la víctima. Ella, al conocerlo, habló de esta
manera: «De buen grado muero, ¡oh argivos que arruinasteis m
patria!; nadie toque mi cuerpo, que ofreceré al hierro mi cerviz con
ánimo esforzado; pero por los dioses os ruego que no me sujetéis
para que muera como debe morir una mujer libre, que me avergonzará
ante los manes el nombre de esclava, siendo reina». Murmullos de
aprobación se oyeron en la muchedumbre, y el rey Agamenón ordenó
que los jóvenes soltasen a la virgen. Ella, al escucharlo, desgarró su
peplo desde los hombros hasta la cintura,[52] y enseñó su pecho, tan
hermoso como el de una estatua, e hincó en tierra sus rodillas, y
pronunció esta frase muy animosa: «He aquí mi pecho; hiérelo, ¡oh
joven!, si lo deseas; si ha de ser en la garganta, prepara la cuchilla». É
vacilaba, movido a compasión; pero al fin la dio muerte, y su sangre
corrió a raudales. Al morir no se olvidó de su decoro, y ocultó a
nuestras miradas lo que no deben ver los hombres. Después que
exhaló el alma, ocupáronse los griegos en distintos menesteres, ya
cubriéndola de hojas, ya llenando la pira con ramas de pino. Los que
nada hacían, oyéronles expresarse así: «¿Te estarás quieto, ¡oh
perezoso!, y no ofrecerás a esta doncella ni fúnebres galas ni tu peplo?
¿Nada darás a esta víctima tan valerosa como noble?». Esto es lo que
puedo decirte acerca de la muerte de Políxena, considerándote, si miro
a tus numerosos hijos, la más feliz de las mujeres, y si a tu suerte
como a la más infortunada.
EL CORO
Horribles desgracias han sobrevenido a los hijos de Príamo y a m
patria por decreto inexorable de los dioses.
HÉCUBA

¡Oh, hija! En medio de tantos males, no sé a cuál atender: si uno


me alcanza, el otro no me deja: sucédense sin cesar y acumúlanse sin
descanso. Y ahora no puedo olvidar tu triste suerte y dejar de gemir
pero no lo haré con exceso, sabiendo con cuánta grandeza has
muerto.[53] No es, pues, de admirar si una tierra estéril, favorecida po
el cielo, produce rica cosecha, y que la fértil, privada de este bien, dé
amargo fruto: solo entre los hombres el malo es siempre malo, e
bueno siempre bueno, y no le dañan las calamidades, y siempre es
virtuoso. ¿Proviene esto del linaje, o acaso de la educación? No puede
negarse que algo contribuye la educación, enseñando la virtud, que
quien bien la aprende distingue lo bueno de lo malo. Pero todo esto es
inútil: tú, Taltibio, vete y di a los argivos que nadie toque a mi hija, y
que la preserven de la multitud, que no faltarán atrevidos en tan
numeroso ejército, y cuando la licencia entre marinos es más violenta
que el fuego, teniéndose por malo al que no lo es. (Vase Taltibio).
Tú, anciana servidora, toma esta urna, y sumergiéndola en la mar
tráeme agua para lavar por última vez a mi hija, esposa y no esposa
virgen y no virgen,[54] para exponerla al público como merece; pero
¿cómo lo haré sin recursos? ¿De qué medio me valdré? Reuniré las
joyas de estas cautivas que me acompañan en la tienda, si han podido
ocultar algo suyo de la vista de sus nuevos dueños. (Vase la esclava).
¡Oh suntuosas moradas! ¡Oh palacio, feliz en otro tiempo! ¡Oh
afortunado Príamo, padre de tantos y tan hermosos hijos![55] ¡Oh
madre suya anciana! Trocose en humo nuestra soberbia. ¡Y todavía
nos enorgullecemos, ya por nuestras riquezas, ya por los honores que
nuestros ciudadanos nos dispensan! Y nada es todo esto sino causa de
cuidados y motivo de vanidad. ¡Feliz entre los felices el que no sufre un
mal cada día! (Entra en la tienda).
EL CORO
Estrofa. — Calamidades, horribles pérdidas había yo de llorar sin
falta, desde el momento en que Alejandro cortó los abetos del Ida para
navegar por el hinchado Ponto hacia el tálamo de Helena, hermosísima
mortal que contempló asombrado el sol de cabellos de oro
inundándola con sus rayos.
Antístrofa. — Duros trabajos y un destino más cruel aún nos
esperaban. Daño mortífero por nuestra propia locura, y calamidades
causadas por nuestros enemigos han caído sobre la tierra que baña e
Simois.[56] Fallada está la contienda que se suscitó en el Ida entre un
pastor y tres hijas de dioses, terminando en guerra y muerte y ruina
de mi patria.
Epodo. — Pero también gime y llora la joven lacedemonia en las
orillas del Eurotas,[57] de deleitosa corriente, y la madre de tantos hijos
muertos se arranca sus blancos cabellos, y lastima sus mejillas, y llena
de sangre sus uñas.
LA ESCLAVA

¿En dónde está, oh mujeres, la muy desgraciada Hécuba, cuyos


males superan a los de todos los mortales? Nadie podrá arrebatarle
esta palma.
EL CORO
¿Qué buscas con esos clamores de mal agüero? ¿Dejaremos de oí
alguna vez tus tristes anuncios?
LA ESCLAVA (entra la esclava, trayendo un cadáver,
que deposita en el teatro).

Vengo a traer a Hécuba un nuevo dolor: cuando las desdichas nos


agobian, no es fácil proferir palabras alegres.
EL CORO
Mírala salir de la tienda, apareciendo tan a tiempo para oírte.
LA ESCLAVA

¡Oh dueña infeliz, y más aún de lo que digo! Llegada es tu última


hora, no siendo posible vivir, aunque te vea la luz, sin hijos, sin esposo
sin patria, sin ninguna esperanza.
HÉCUBA

Nada nuevo dices, que bien conocemos la extensión de nuestra


ignominiosa desgracia. ¿Pero a qué me traes el cadáver de Políxena
habiéndoseme dicho que todos los aqueos le darían honrosa sepultura?
LA ESCLAVA (aparte).

Nada sabe, y solo llora a Políxena: ignora sus nuevos males.[58]


HÉCUBA
¡Cuánta es mi desgracia! ¿Me traes acaso el cadáver de Casandra, la
inspirada profetisa?
LA ESCLAVA

Casandra vive: pero ¿no gimes por este muerto? Mira su cuerpo
desnudo y, contra lo que esperabas, contemplarás un prodigio.
HÉCUBA
¡Ay de mí! El muerto que veo es mi hijo Polidoro, el que me
guardaba el tracio. ¡Yo muero; ya no puedo vivir más! ¡Oh hijo! ¡Hijo
de mi corazón! Ya comienzo otro lúgubre canto, puesto que un numen
maléfico me anuncia nuevas calamidades.
LA ESCLAVA

¿Sabías, ¡oh desdichada!, que tu hijo había sido asesinado?


HÉCUBA
Nuevo, nuevo es para mí esto; increíble, increíble; los males se
suceden a los males, y ni un solo día dejaré de llorar y de gemir.
EL CORO

Horrendas, ¡oh mísera!, horrendas son nuestras desdichas.


HÉCUBA
¡Oh hijo, hijo de madre infortunada! ¿Qué destino fatal te ha hecho
perecer? ¿Qué accidente? ¿Quién ha sido tu asesino?
LA ESCLAVA

No lo sé; lo encontré en la orilla del mar.


HÉCUBA
¿Arrojado por las olas en la apretada arena, o víctima de lanzada
cruel?
LA ESCLAVA

El oleaje lo arrastró a la orilla.


HÉCUBA
¡Ay de mí! ¡Ah! ¡Ah! ¡Ya entiendo el sueño y la visión de mis ojos
No me engañó el fantasma de negras alas, que lo vi enseñándomelo
privado de la luz del cielo.
EL CORO

¿Quién lo asesinó? ¿Podrás decirlo, instruida por el sueño?


HÉCUBA
Mi amado,[59] mi amado caballero tracio, a quien lo confió en secreto
su anciano padre.
EL CORO

¿Qué dices? ¡Ay de mí! ¿Para apoderarse de sus tesoros después de


muerto?
HÉCUBA

¡Crimen nefando, superior a todo encarecimiento, impío e


intolerable! ¡Así se agradece la hospitalidad! ¡Oh, execrable malvado
¿Cómo osaste desgarrar su cuerpo y cortar sus infantiles miembros con
tu espada sin sentir compasión?
EL CORO

¡Oh, mujer infeliz! ¡Cómo te ha hecho la más infortunada de las


mortales el numen que te es adverso! Pero me parece que veo venir a
Agamenón: callemos, pues.
AGAMENÓN[60]
¿Por qué no vienes, ¡oh Hécuba!, a sepultar a tu hija, según me
anunció Taltibio, encargándome de tu parte que no la tocase ningún
argivo? Así lo hemos hecho, y no la hemos tocado; pero tú tardas
hasta el punto de excitar mi sorpresa; vengo por ti: todo se ha hecho
bien allá, si es que puede hacerse bien. ¿Pero quien es el troyano que
veo muerto en esta tienda? Los vestidos que lo envuelven me indican
que no es ninguno de los griegos.
HÉCUBA (aparte).

¡Infeliz Hécuba, pues hablo conmigo misma hablando contigo! ¿Qué


haré? ¿Abrazaré las rodillas de Agamenón, o sufriré mis males en
silencio?
AGAMENÓN
¿Por qué lloras volviendo el rostro, y no me dices la causa de tu
llanto, ni quién es este?
HÉCUBA (aparte).

Pero si me rechaza de sus rodillas, tratándome como a esclava y


enemiga, será mayor mi pena.
AGAMENÓN

No soy adivino para conocer lo que piensas, si no me lo dices.


HÉCUBA (aparte).

¿Sospecharé quizá que me es hostil, y no lo es en verdad?


AGAMENÓN
Si nada quieres descubrirme, somos del mismo parecer, porque
tampoco quiero oír nada.[61]
HÉCUBA (aparte).

Sin su ayuda no podré vengar a mis hijos. ¿A qué pienso en esto?


Es menester atreverme, consiga o no lo que quiero. (Hablando con
Agamenón). ¡Oh Agamenón! Te suplico, por estas rodillas que abrazo
y por tu barba y afortunada diestra...
AGAMENÓN
¿Qué quieres? ¿Deseas vivir en libertad? Esto es fácil para ti.
HÉCUBA[62]

No es eso ciertamente, sino castigar a hombres malvados, que as


serviré de buen grado toda mi vida.
AGAMENÓN
¿Pero con qué objeto imploras mi auxilio?
HÉCUBA

No solicito lo que supones. ¿Ves este cadáver que me hace llorar?


AGAMENÓN
Ya lo veo; pero no por eso te entiendo.
HÉCUBA

Lo llevé en mis entrañas, y lo di a luz.


AGAMENÓN

¿Es quizá alguno de tus hijos, mujer desventurada?


HÉCUBA

No es ninguno de los hijos de Príamo que murieron por defender a


Troya.
AGAMENÓN

¿Tuviste algún otro?


HÉCUBA

Sí; pero, según ves, de nada me ha servido.


AGAMENÓN

¿En dónde estaba cuando arruinamos la ciudad?


HÉCUBA

Su padre lo alejó de ella, temiendo su muerte.


AGAMENÓN
¿Adónde? ¿Separándolo de los demás que vivían?
HÉCUBA

Mandándolo a esta región, en donde se le ha encontrado muerto.


AGAMENÓN
¿Confiándolo a Poliméstor, rey de ella?
HÉCUBA

Enviolo a esta tierra, y además un funestísimo tesoro.


AGAMENÓN

¿Quién le ha dado muerte? ¿Cómo ha sido esto?


HÉCUBA

¿Quién puede ser? Lo mató el huésped tracio.


AGAMENÓN

¡Oh infeliz! ¿Codicioso sin duda del tesoro?


HÉCUBA
Así fue, desde que supo los males de los troyanos.
AGAMENÓN

¿En dónde lo hallaste? ¿Quién trajo el cadáver?


HÉCUBA
Esta, que lo encontró a la orilla del mar.
AGAMENÓN

¿Buscándolo porque lo sabía, o casualmente?


HÉCUBA
Fue a traer agua para lavar a Políxena.
AGAMENÓN

¿Lo arrojaría a él el huésped después de matarlo?


HÉCUBA
Así lo hizo, destrozando antes su cuerpo.
AGAMENÓN

¡Oh desventurada! ¡Cuán grandes son tus males!


HÉCUBA
No puedo resistirlos; no hay calamidad que no sufra.
AGAMENÓN

¿Qué mujer hubo nunca tan desventurada como esta?


HÉCUBA
No la hay, a no ser la misma desventura;[63] pero óyeme, ya que me
prosterno a tus rodillas. Si crees que sufro con justicia, haré lo posible
por sobrellevarlo; pero si no lo piensas así, ayúdame a vengarme de
este huésped, el más impío de todos los hombres, que, sin temor a
dioses celestes ni infernales, perpetró un crimen de los más nefandos
habiendo bebido muchas veces a mi mesa, y siendo el primero de mis
amigos por la hospitalidad que le di; y después de recibir cuanto fue
necesario, y de conocer nuestros más fervientes deseos, lo mató; y no
satisfecho con esto, lo privó de la sepultura, arrojándolo a la mar
Esclavas y débiles somos, pero poderosos los dioses, y la ley más que
todos: la ley nos dice que hay dioses, y nos enseña en la vida a
distinguir lo justo de lo injusto. Si, pues, imploro tu ayuda para que se
observe, y en vez de esto se huella, impunes quedarán los que matan
a sus huéspedes, o los que cometen sacrilegios, y no habrá justicia
entre los hombres. Si condenas también estos crímenes, respeta m
desdicha, compadécete de mí, y como el pintor que mira desde lejos
mírame también, y considera los males que sufro. ¡Antes reina, y hoy
tu esclava; antes feliz, con larga prole, y ahora anciana y sin hijos, sin
patria, abandonada, la más infeliz de las mujeres! (Agamenón se
aparta conmovido). ¡Ay de mí! ¡Cuán grande es mi desdicha! ¿Por qué
retiras tu pie? Ya veo que nada conseguiré. ¡Oh desventurada! ¿A qué
fin los mortales cultivan y aprenden tantas artes útiles, si a la
elocuencia, reina sola entre los hombres, no la perfeccionamos más
que a otra alguna, ni recompensamos a los que la poseen, para
persuadir lo que deseamos, y lograrlo al mismo tiempo? ¿Quién
después de esto, podrá tener ventura en lo que emprenda? De tantos
hijos no me queda ya ninguno, y cautiva estoy, llena de ignominia, y
todavía veo el humo que se escapa de la ciudad.[64] Y acaso de nada
me sirva invocar a Afrodita, aunque se diga que mi hija la profetisa, la
que llaman Casandra los frigios, descansa en el lecho a tu lado. ¿En
dónde, ¡oh rey!, pasarás noches agradables, y disfrutarás de tiernos
abrazos en el lecho? ¿No has de probar tu amor a mi hija, y a mí que
soy su madre? Oye ahora, por último. ¿Ves a este muerto? Hazle bien
y lo harás a un pariente tuyo. Réstame solo decirte pocas palabras
Ojalá que pudiesen hablar mis brazos y mis manos, mis cabellos y
todos mis miembros, por arte de Dédalo[65] o de algún dios, para
adherirme a tus rodillas, y llorar a la vez con todo mi cuerpo, y a un
mismo tiempo rogarte con todo género de súplicas: accede a ellas, que
eres mi señor, el sol resplandeciente de la Grecia; ofrece a esta
anciana tu mano vengadora, aunque ella nada sea; ofrécela por tu
vida, que es de hombres honrados amar la justicia y castigar sin
consideración a los criminales.
EL CORO

Sorprendente es observar cómo se trastorna todo entre los


mortales, y cómo la necesidad se sobrepone a leyes y costumbres
haciendo amigos a los que eran enemigos y enemigos a los que se
amaban antes.
AGAMENÓN[66]

Compadézcome de ti, ¡oh Hécuba!, de tu hijo, de tus desdichas y de


tus ruegos, y en gracia de los dioses, y por amor a la justicia, quiero
castigar a ese huésped impío si hay medio de hacer lo que deseas sin
que sospeche el ejército que maquino la muerte del rey tracio po
amor a Casandra. No estoy tranquilo, sin embargo, porque el ejército
lo mira como amigo y como a enemigo a este muerto, pues que si tú lo
amas, afecto tuyo es solo, no común a los griegos. Piénsalo, pues, que
pronto estoy a socorrerte, pero tardo si han de acusarme los griegos.
HÉCUBA (levantándose).

¡Ay, que ningún mortal es libre! O son esclavos del dinero o de la


fortuna, o el pueblo o las leyes le impiden seguir los impulsos de su
corazón. Pero ya que temes y das tanta importancia a la
muchedumbre, yo te libertaré de ese temor. Bástete saber los medios
de que pienso valerme para castigar a mi enemigo; no me ayudes tú
mismo; pero si los aqueos se alborotan y quieren socorrerlo, si le
sobreviene algún daño, refrénalos y no descubras que lo haces po
favorecerme. Confía por lo demás, que a mi cargo corre arreglarlo todo
bien.
AGAMENÓN
¿Pero de qué manera? ¿Qué vas a hacer? ¿Empuñarás la espada
con tus débiles manos y matarás a ese rey bárbaro, o con veneno o
con ayuda ajena? ¿Quién te dará auxilio? ¿En dónde encontrarás un
amigo?
HÉCUBA

Bajo estos techos se albergan muchas troyanas.


AGAMENÓN
¿De las cautivas hablas, presa de los griegos?
HÉCUBA

Con ellas castigaré al homicida.


AGAMENÓN
¿Pero cómo han de vencer a los hombres estas mujeres?
HÉCUBA

Mucho puede el número, y con la astucia es invencible.


AGAMENÓN
Verdad es que puede mucho, pero valen poco las mujeres.
HÉCUBA

¿Por qué no? ¿No fueron mujeres las que mataron a los hijos de
Egipto[67] y exterminaron a los hombres en Lemnos?[68] Así se hará, y
no hablemos más de esto; manda que no detengan a esta esclava en
todo el campamento, y tú, sierva, acércate al huésped tracio, y dile
«Hécuba te llama, la que era hace poco reina de Ilión, porque as
conviene a ti y a ella; que contigo vengan tus hijos, que ellos deben
saber también lo que piensa hacer». Retarda, ¡oh Agamenón!, e
entierro de Políxena, para que ambos, el hermano y la hermana, doble
objeto de mi maternal amor, ardan en una misma pira y sean
sepultados juntos.
AGAMENÓN
Así se hará, porque si navegase el ejército, no podría concederte
esta gracia; pero ahora, y ya que por obra de los dioses no soplan
vientos favorables, debemos permanecer aquí, esperando
tranquilamente hacernos después a la vela. Que todo suceda con
felicidad; es de interés de todos en general, de cada uno en particula
y de la república que el malo sufra el mal y que el bueno sea
afortunado. (Vanse los dos en distintas direcciones).
EL CORO

Estrofa 1.ª — ¡Oh Troya, mi patria! ¡Ya no te llamarán la


inexpugnable! Te cercó una nube de griegos, y con la lanza, sí, con
lanza te arruinaron. Derribaron la corona de tus torres, y la triste
mancha del humo desfigura tu desventurado rostro; jamás te volveré a
visitar.
Antístrofa 1.ª — Consumose a media noche mi desastre, cuando e
blando sueño que sigue a la cena cierra suavemente los ojos; m
esposo yacía en el lecho, descansando de sus cánticos y alegres
fiestas, colgada su lanza, y sin ver la muchedumbre de enemigos que
desde las naves acometía a la ilíaca Troya.
Estrofa 2.ª — Y yo sujetaba mis cabellos con cintas,[69] y miraba los
varios resplandores de los dorados espejos antes de subir al tálamo
Un ruido se oyó entonces, y una voz que resonaba en toda Troya, y
decía de esta manera: «¿Cuándo, ¡oh hijos de los griegos!, cuándo
volveréis a vuestra patria después de arruinar la ciudadela troyana?».
Antístrofa 2.ª — Y yo dejé el dulce lecho, sencillamente vestida[70
como una doncella dórica,[71] y nada conseguí, intentando en vano que
me fuese propicia Artemisa, y me arrastran, matando a mi esposo, a
mar salado. Y miré desde lejos la plaza cuando las naves se alejaron, y
me separé de mi patria, ¡ay de mí!, exhalando de dolor el alma.
Epodo. — Y maldije a Helena, hermana de los Dioscuros, y al pasto
del Ida, al funesto Paris, porque me arrancaron de mi país natal, y
abandoné mi hogar, no a causa de himeneo legítimo, sino por obra de
numen maléfico. Que el marino piélago no la lleve en su seno, y que
nunca vuelva a su patria. (Antes de concluir el coro aparece Polimésto
con sus hijos y séquito, y las esclavas corren a la tienda a llamar a
Hécuba).
POLIMÉSTOR
¡Oh Príamo, el más querido de los hombres, y tú, Hécuba, mujer la
más amada! Lloro al verte, a tu ciudad y a esa hija tuya, muerta hace
poco; ni es duradera la gloria, ni feliz después el que lo es ahora
complácense los dioses en desconcertar a los hombres, ignorantes de
lo futuro, para que los reverencien. Pero ¿a qué llorar si no he de
aliviar tus males? No te quejes, sin embargo, de mi ausencia, que
cuando llegaste aquí me hallaba en los últimos confines de la Tracia. A
mi vuelta, y al tiempo de salir de mi palacio, me encontró esta esclava
tuya y me habló de tu parte, y por esta causa me ves aquí.
HÉCUBA (cubriéndose el rostro).[72]

Me avergüenzo, ¡oh Poliméstor!, de mirarte frente a frente, siendo


tantas mis desdichas. Tú me conociste feliz, y tu recuerdo, cuando lo
comparo con mi infortunio presente, me hace bajar los ojos. No lo
atribuyas a malevolencia, ¡oh Poliméstor!; otra es la causa, y las
mujeres no deben mirar a los hombres con descaro.
POLIMÉSTOR
No lo extraño; mas ¿para qué me necesitas? ¿Por qué me mandaste
llamar?
HÉCUBA

Quiero hablar en secreto contigo y con tus hijos; ordena, pues, a tu


guardia que nos deje solos.
POLIMÉSTOR (a los soldados).

Alejaos, que no hay motivo de desconfianza en esta soledad. (A


Hécuba). Tú eres mi amiga, y amigo mío es también el ejército aqueo
Indícame, por tanto, lo que pueden hacer los felices por los
infortunados, porque estoy dispuesto a ello.
HÉCUBA[73]

Respóndeme primero si vive en tu palacio mi hijo Polidoro, el que te


entregamos en persona yo y su padre; después te preguntaré lo
demás.
POLIMÉSTOR
Sin duda alguna; y por lo que a él toca, puedes estar tranquila.
HÉCUBA
¡Oh amigo el más querido! ¡Qué dignidad y hombría de bien
respiran tus palabras!
POLIMÉSTOR

¿Qué más quieres saber de mí?


HÉCUBA
¿Se acuerda algo de su madre?
POLIMÉSTOR

Tanto, que quería venir a verte ocultamente.


HÉCUBA
¿Y está seguro el oro que trajo de Troya?
POLIMÉSTOR

Seguro, y guardado en mi palacio.


HÉCUBA
Consérvalo, y no codicies los bienes ajenos.
POLIMÉSTOR

De ninguna manera; gozaré de lo que tengo.


HÉCUBA (en voz baja).

¿Sabes lo que quiero decirte y a tus hijos?


POLIMÉSTOR (con curiosidad).

No; ahora me lo dirás.


HÉCUBA
Hay, ¡oh amigo!, para que me estimes...
POLIMÉSTOR

¿Qué hay que yo y mis hijos debamos saber?


HÉCUBA
Un antiguo tesoro escondido por los hijos de Príamo.
POLIMÉSTOR
¿Quieres que lo sepa el tuyo?
HÉCUBA

Justamente, y por tu conducto, porque eres hombre piadoso.


POLIMÉSTOR
Y entonces, ¿para qué es necesaria la presencia de mis hijos?
HÉCUBA

Por si mueres, que lo sepan ellos.


POLIMÉSTOR
Dices bien; más prudente es.
HÉCUBA

¿Conoces tú acaso el lugar en donde se eleva el templo de Atenea


troyana?
POLIMÉSTOR
¿Está allí el tesoro? Pero ¿qué señal podrá indicarlo?
HÉCUBA

Un peñasco negro que sobresale de la tierra.


POLIMÉSTOR
¿Quieres decirme más acerca de esto?
HÉCUBA

Deseo que guardes tú el dinero que he traído conmigo.


POLIMÉSTOR
¿En dónde está? ¿Lo ocultas bajo tus vestidos?
HÉCUBA

No; entre los despojos que aquí se guardan.


POLIMÉSTOR
¿En dónde? Estas son las tiendas que cercan a las naves aqueas.
HÉCUBA
Solo las habitan cautivas.
POLIMÉSTOR

¿Tienes en ellas confianza? ¿No hay hombre ninguno?


HÉCUBA
No hay dentro ningún aqueo; estamos nosotras solas. (Entra detrás
de él en la tienda). Pero entra, porque los griegos anhelan soltar los
cables para dirigirse a su patria desde Troya; prepara, pues, lo
necesario para que vuelvas con tus hijos adonde dejaste el mío.
EL CORO

Aún no has expiado tu delito, pero quizá, pronto lo expíes, como e


que cae de improviso en mar embravecido, perdiendo su vida, que
tanto amaba. Mortal, mortal daño amenaza a quien ofende a la justicia
y a los dioses. La esperanza que te mueve, ¡oh desgraciado!, te llevará
al Orco, en donde habitan los muertos, y una débil mano te arrancará
la vida.
POLIMÉSTOR (dentro de la tienda).
¡Ay de mí, que apagan la luz de mis ojos!
EL CORO

¿Habéis oído, ¡oh amigas!, los lamentos del tracio?


POLIMÉSTOR
¡Ay de mis hijos y de su funesta suerte!
EL CORO (corriendo hacia la tienda).

Nuevas calamidades, ¡oh amigas!, suceden en esta tienda.


POLIMÉSTOR
En vano huiréis con pies ligeros; yo venceré a la fuerza todos los
obstáculos que estas tiendas me ofrecen.
EL CORO

Posada mano descargó este golpe. ¿Entramos? ¡Socorramos a


Hécuba y a las troyanas!
HÉCUBA (saliendo de la tienda con sus esclavas).

Golpea, nada perdones; rompe las puertas; nunca verán tus ojos la
luz, ni tampoco a tus hijos, muertos a mis manos.
EL CORO
¿Venciste al tracio, triunfaste de él, ¡oh mi dueña!, e hiciste lo que
pensabas?
HÉCUBA

Lo veréis ciego delante de la tienda, vacilando con pies torpes, y los


cadáveres de sus dos hijos, a quienes dimos muerte yo y las valerosas
troyanas. Ya me he vengado. Míralo cómo sale de la tienda; pero huyo
para escapar de la rabia de tan feroz tracio.
POLIMÉSTOR (sale vacilante de la tienda,
a cuya entrada deja los cadáveres de sus hijos).
¡Ay de mí! ¿Adónde iré? ¿A quién acudiré? ¿A quién llamaré?
Andando con las manos como los animales que frecuentan las selvas
¿por dónde me dirigiré para apresar a las homicidas troyanas que me
hirieron? ¡Malvadas, malvadas doncellas frigias! ¡Malditas seáis
¿Adónde se habrán refugiado, huyendo de mí medrosas? ¡Si curaras, s
curaras, ¡oh sol!, mis ensangrentados párpados y disiparas las tinieblas
que me cercan! (Se detiene y escucha). Pero callemos; siento aqu
tímidos pasos de mujeres. (Corriendo ciego). ¿Adónde me arrojaré
para saciarme de huesos y de carne, celebrando un festín como el de
las fieras de los montes y vengando mi mano la mutilación que he
sufrido? ¡Oh desgraciado! (Se detiene y vuelve a la tienda). ¿Adónde
por dónde caminaré, dejando entregados mis hijos a estas infernales
bacantes,[74] que los despedazarán después de haberlos asesinado, y
los ofrecerán llenos de sangre a los perros, o los arrojarán a las fieras
de las montañas? ¿En dónde me detendré? ¿Adónde iré? ¿Adónde
tornaré, como nave de fuertes cordajes que pliega sus velas de lino
precipitándome hacia este lecho mortal para guardar el cuerpo de mis
hijos? (Se sienta al lado de sus hijos).
EL CORO
¡Oh desventurado! ¡Qué intolerables son para ti tus males! Pero has
cometido un crimen infame, y grave ha de ser su expiación.
POLIMÉSTOR

¡Ah, ah! ¡Tracios belicosos, caballeros de robustas lanzas, tan


hábiles en el manejo de las armas! ¡Aqueos! ¡Atridas! Oíd mis
clamores; oíd mis clamores; oíd mis clamores; andad, venid, por los
dioses. ¿Me oye alguno? ¿Ninguno me socorre? ¿Por qué vaciláis?
Mujeres cautivas me perdieron; graves, graves males hemos sufrido
Compadeceos de mi daño. ¿Adónde me volveré? ¿Adónde me
encaminaré? ¿Volaré al celeste éter, a los aéreos palacios, en donde
Orión o Sirio lanzan rayos de sus ojos,[75] o me precipitaré en las
negras aguas de Hades?
EL CORO
Digno es de lástima el que, sufriendo males insoportables, desea
morir.
AGAMENÓN

He oído clamores, y vengo aquí, que Eco, la hija jamás dormida de


las agrestes rocas, ha resonado en todo el campamento, promoviendo
gran alboroto; y, si no supiésemos que las torres de los frigios han
caído al empuje de la lanza griega, nos hubiese infundido tal clamoreo
temor inmenso. (Acércanse a Agamenón Poliméstor y Hécuba).
POLIMÉSTOR
¿Ves, ¡oh tú!, el muy amado (que he conocido la voz de
Agamenón), los males que sufro?
AGAMENÓN

¡Ah, infeliz Poliméstor! ¿Quién te mutiló? ¿Quién cegó tus ojos


ensangrentando sus pupilas, y mató a tus hijos? Cualquiera que haya
sido ha obrado así sin duda contra ti y contra ellos movido por ira
poderosa.
POLIMÉSTOR
Hécuba y las cautivas me perdieron; no me perdieron, que hicieron
algo más.
AGAMENÓN

¿Qué oigo? ¿Tú has hecho esto tal como él lo dice? ¿Tú, Hécuba
has tenido tanta audacia?
POLIMÉSTOR

¡Ay de mí! ¿Qué hablas? ¿Hay alguien aquí cerca? Indícame en


dónde está, para desgarrarla con mis manos y llenarla de sangre.
AGAMENÓN (conteniéndolo).

Desgraciado, ¿qué te sucede?


POLIMÉSTOR
Por los dioses te ruego que dejes a mi furiosa mano apoderarse de
ella.
AGAMENÓN

Detente, y despojándote de esa bárbara furia explícate, para que os


oiga a ambos y juzgue con conocimiento de causa de tu desdicha.
POLIMÉSTOR[76]
Hablaré, pues. Polidoro, el menor de los hijos de Príamo y de
Hécuba, me fue confiado por su padre para educarlo en mi palacio
presintiendo, sin duda, la ruina de Troya. Yo le maté, pero oye la razón
que me movió a hacerlo, y aprecia mi previsión y sabiduría: recelaba
que este niño, tu enemigo, se pusiese a la cabeza de los troyanos y
reconstruyese la ciudad; y que los griegos, sabiendo que vivía alguno
de los hijos de Príamo, acometiesen otra vez a la Frigia y devastasen
después los campos de la Tracia y que, por nuestra proximidad a los
troyanos, fuésemos víctimas de los mismos males que ahora sufrimos
Al conocer Hécuba la suerte fatal de Polidoro, me llamó pretextando
indicarme el lugar en donde se ocultaba cierto tesoro de los hijos de
Príamo, y me hizo venir solo con los míos, para que ningún otro lo
supiese. Me siento en medio del lecho, dobladas las rodillas, y muchas
doncellas troyanas se sentaron también a mi izquierda y a mi derecha
tratándome como a un amigo, y miraban mi manto, obra de mano
edónica,[77] y lo celebraban y revolvían a la luz, mientras otras
examinaban mi dardo tracio, despojándome así de mi doble defensa

You might also like