Data Mining A Tutorial Based Primer Second Edition Roiger

Data Mining A Tutorial Based Primer Second
Edition Roiger download
https://textbookfull.com/product/data-mining-a-tutorial-based-
primer-second-edition-roiger/
Download more ebook from https://textbookfull.com

We believe these products will be a great fit for you. Click
the link to download now, or visit textbookfull.com
to discover even more!
Biometric Identification Technologies Based on Modern
Data Mining Methods Stepan Bilan
https://textbookfull.com/product/biometric-identification-
technologies-based-on-modern-data-mining-methods-stepan-bilan/
Discovering Knowledge in data An Introduction to Data
Mining Second Edition Daniel T. Larose
https://textbookfull.com/product/discovering-knowledge-in-data-
an-introduction-to-data-mining-second-edition-daniel-t-larose/
Derivative Pricing: A Problem-Based Primer Ambrose Lo
https://textbookfull.com/product/derivative-pricing-a-problem-
based-primer-ambrose-lo/
Derivative Pricing a Problem Based Primer First Edition
Lo
https://textbookfull.com/product/derivative-pricing-a-problem-
based-primer-first-edition-lo/

Fundamentals, sensor systems, spectral libraries, and
data mining for vegetation Second Edition Huete
https://textbookfull.com/product/fundamentals-sensor-systems-
spectral-libraries-and-data-mining-for-vegetation-second-edition-
huete/
Data Mining and Big Data Ying Tan
https://textbookfull.com/product/data-mining-and-big-data-ying-
tan/
Finite Element Analysis A Primer Second Edition Sarhan
M Musa
https://textbookfull.com/product/finite-element-analysis-a-
primer-second-edition-sarhan-m-musa/
Data Mining Yee Ling Boo
https://textbookfull.com/product/data-mining-yee-ling-boo/
Mobile Data Mining Yuan Yao
https://textbookfull.com/product/mobile-data-mining-yuan-yao/

Data Mining
A Tutorial-Based Primer
SECOND EDITION

Chapman & Hall/CRC
Data Mining and Knowledge Discovery Series
PUBLISHED TITLES
SERIES EDITOR
Vipin Kumar
University of Minnesota
Department of Computer Science and Engineering
Minneapolis, Minnesota, U.S.A.
AIMS AND SCOPE
This series aims to capture new developments and applications in data mining and knowledge
discovery, while summarizing the computational tools and techniques useful in data analysis. This
series encourages the integration of mathematical, statistical, and computational methods and
techniques through the publication of a broad range of textbooks, reference works, and hand-
books. The inclusion of concrete examples and applications is highly encouraged. The scope of the
series includes, but is not limited to, titles in the areas of data mining and knowledge discovery
methods and applications, modeling, algorithms, theory and foundations, data and knowledge
visualization, data mining systems and tools, and privacy and security issues.
ACCELERATING DISCOVERY: MINING UNSTRUCTURED INFORMATION FOR
HYPOTHESIS GENERATION
Scott Spangler
ADVANCES IN MACHINE LEARNING AND DATA MINING FOR ASTRONOMY
Michael J. Way, Jeffrey D. Scargle, Kamal M. Ali, and Ashok N. Srivastava
BIOLOGICAL DATA MINING
Jake Y. Chen and Stefano Lonardi
COMPUTATIONAL BUSINESS ANALYTICS
Subrata Das
COMPUTATIONAL INTELLIGENT DATA ANALYSIS FOR SUSTAINABLE
DEVELOPMENT
Ting Yu, Nitesh V. Chawla, and Simeon Simoff
COMPUTATIONAL METHODS OF FEATURE SELECTION
Huan Liu and Hiroshi Motoda
CONSTRAINED CLUSTERING: ADVANCES IN ALGORITHMS, THEORY,
AND APPLICATIONS
Sugato Basu, Ian Davidson, and Kiri L. Wagstaff
CONTRAST DATA MINING: CONCEPTS, ALGORITHMS, AND APPLICATIONS
Guozhu Dong and James Bailey
DATA CLASSIFICATION: ALGORITHMS AND APPLICATIONS
Charu C. Aggarwal

DATA CLUSTERING: ALGORITHMS AND APPLICATIONS
Charu C. Aggarwal and Chandan K. Reddy
DATA CLUSTERING IN C++: AN OBJECT-ORIENTED APPROACH
Guojun Gan
DATA MINING: A TUTORIAL-BASED PRIMER, SECOND EDITION
Richard J. Roiger
DATA MINING FOR DESIGN AND MARKETING
Yukio Ohsawa and Katsutoshi Yada
DATA MINING WITH R: LEARNING WITH CASE STUDIES, SECOND EDITION
Luís Torgo
EVENT MINING: ALGORITHMS AND APPLICATIONS
Tao Li
FOUNDATIONS OF PREDICTIVE ANALYTICS
James Wu and Stephen Coggeshall
GEOGRAPHIC DATA MINING AND KNOWLEDGE DISCOVERY,
SECOND EDITION
Harvey J. Miller and Jiawei Han
GRAPH-BASED SOCIAL MEDIA ANALYSIS
Ioannis Pitas
HANDBOOK OF EDUCATIONAL DATA MINING
Cristóbal Romero, Sebastian Ventura, Mykola Pechenizkiy, and Ryan S.J.d. Baker
HEALTHCARE DATA ANALYTICS
Chandan K. Reddy and Charu C. Aggarwal
INFORMATION DISCOVERY ON ELECTRONIC HEALTH RECORDS
Vagelis Hristidis
INTELLIGENT TECHNOLOGIES FOR WEB APPLICATIONS
Priti Srinivas Sajja and Rajendra Akerkar
INTRODUCTION TO PRIVACY-PRESERVING DATA PUBLISHING: CONCEPTS
AND TECHNIQUES
Benjamin C. M. Fung, Ke Wang, Ada Wai-Chee Fu, and Philip S. Yu
KNOWLEDGE DISCOVERY FOR COUNTERTERRORISM AND
LAW ENFORCEMENT
David Skillicorn
KNOWLEDGE DISCOVERY FROM DATA STREAMS
João Gama
MACHINE LEARNING AND KNOWLEDGE DISCOVERY FOR
ENGINEERING SYSTEMS HEALTH MANAGEMENT
Ashok N. Srivastava and Jiawei Han

MINING SOFTWARE SPECIFICATIONS: METHODOLOGIES AND APPLICATIONS
David Lo, Siau-Cheng Khoo, Jiawei Han, and Chao Liu
MULTIMEDIA DATA MINING: A SYSTEMATIC INTRODUCTION TO
CONCEPTS AND THEORY
Zhongfei Zhang and Ruofei Zhang
MUSIC DATA MINING
Tao Li, Mitsunori Ogihara, and George Tzanetakis
NEXT GENERATION OF DATA MINING
Hillol Kargupta, Jiawei Han, Philip S. Yu, Rajeev Motwani, and Vipin Kumar
RAPIDMINER: DATA MINING USE CASES AND BUSINESS ANALYTICS
APPLICATIONS
Markus Hofmann and Ralf Klinkenberg
RELATIONAL DATA CLUSTERING: MODELS, ALGORITHMS,
AND APPLICATIONS
Bo Long, Zhongfei Zhang, and Philip S. Yu
SERVICE-ORIENTED DISTRIBUTED KNOWLEDGE DISCOVERY
Domenico Talia and Paolo Trunfio
SPECTRAL FEATURE SELECTION FOR DATA MINING
Zheng Alan Zhao and Huan Liu
STATISTICAL DATA MINING USING SAS APPLICATIONS, SECOND EDITION
George Fernandez
SUPPORT VECTOR MACHINES: OPTIMIZATION BASED THEORY,
ALGORITHMS, AND EXTENSIONS
Naiyang Deng, Yingjie Tian, and Chunhua Zhang
TEMPORAL DATA MINING
Theophano Mitsa
TEXT MINING: CLASSIFICATION, CLUSTERING, AND APPLICATIONS
Ashok N. Srivastava and Mehran Sahami
TEXT MINING AND VISUALIZATION: CASE STUDIES USING OPEN-SOURCE
TOOLS
Markus Hofmann and Andrew Chisholm
THE TOP TEN ALGORITHMS IN DATA MINING
Xindong Wu and Vipin Kumar
UNDERSTANDING COMPLEX DATASETS: DATA MINING WITH MATRIX
DECOMPOSITIONS
David Skillicorn

Richard J. Roiger
Data Mining
A Tutorial-Based Primer
SECOND EDITION

This book was previously published by Pearson Educat ion, Inc.
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2017 by Taylor & Francis Group, LLC
CRC Press is an imprint of Taylor & Francis Group, an Informa business
No claim to original U.S. Government works
Printed on acid-free paper
Version Date: 20161025
International Standard Book Number-13: 978-1-4987-6397-4 (Pack - Book and Ebook)
This book contains information obtained from authentic and highly regarded sources. Reasonable efforts have been
made to publish reliable data and information
, but the author and publisher cannot assume responsibility for the valid-
ity of all materials or the consequences of their use. The authors and publishers have attempted to trace the copyright
holders of all material reproduced in this publication and apologize to copyright holders if permission
this
form has not been obtained. If any copyright material has not been acknowledged please write and let us know so we may
rectify in any future reprint.
Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, transmitted, or uti-
lized in any form by any electronic, mechanical, or other means, now known or hereafter invented, including photocopy-
ing, microﬁlming, and recording, or in any information
storage or retrieval system, without written permission from the
publishers.
For permission to photocopy or use material electronically from this work, please access www.copyright.com (http://
www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA 01923,
978-750-8400. CCC is a not-for-proﬁt organization that provides licenses and registration
for a variety of users. For
organizations that have been granted a photocopy license by the CCC, a separate system of payment has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used only for
identiﬁcation and explanation without intent to infringe.
Visit the Taylor & Francis Web site at
http://www.taylorandfrancis.com
and the CRC Press Web site at
http://www.crcpress.com

vii
Contents
List of Figures, xvii
List of Tables, xxix
Preface, xxxi
Acknowledgments, xxxix
Author, xli
Section I Data Mining Fundamentals
Chapter 1 ◾ Data Mining: A First View 3
CHAPTER OBJECTIVES 3
1.1 DATA SCIENCE, ANALYTICS, MINING, AND KNOWLEDGE
DISCOVERY IN DATABASES 4
1.1.1 Data Science and Analytics 4
1.1.2 Data Mining 5
1.1.3 Data Science versus Knowledge Discovery in Databases 5
1.2 WHAT CAN COMPUTERS LEARN? 6
1.2.1 Three Concept Views 6
1.2.1.1 The Classical View 6
1.2.1.2 The Probabilistic View 7
1.2.1.3 The Exemplar View 7
1.2.2 Supervised Learning 8
1.2.3 Supervised Learning: A Decision Tree Example 9
1.2.4 Unsupervised Clustering 11
1.3 IS DATA MINING APPROPRIATE FOR MY PROBLEM? 14
1.3.1 Data Mining or Data Query? 14
1.3.2 Data Mining versus Data Query: An Example 15
1.4 DATA MINING OR KNOWLEDGE ENGINEERING? 16

viii ◾ Contents
1.5 A NEAREST NEIGHBOR APPROACH 18
1.6 A PROCESS MODEL FOR DATA MINING 19
1.6.1 Acquiring Data 20
1.6.1.1 The Data Warehouse 20
1.6.1.2 Relational Databases and Flat Files 21
1.6.1.3 Distributed Data Access 21
1.6.2 Data Preprocessing 21
1.6.3 Mining the Data 23
1.6.4 Interpreting the Results 23
1.6.5 Result Application 24
1.7 DATA MINING, BIG DATA, AND CLOUD COMPUTING 24
1.7.1 Hadoop 24
1.7.2 Cloud Computing 24
1.8 DATA MINING ETHICS 25
1.9 INTRINSIC VALUE AND CUSTOMER CHURN 26
1.10 CHAPTER SUMMARY 27
1.11 KEY TERMS 28
Chapter 2 ◾ Data Mining: A Closer Look 33
CHAPTER OBJECTIVES 33
2.1 DATA MINING STRATEGIES 34
2.1.1 Classification 34
2.1.2 Estimation 35
2.1.3 Prediction 36
2.1.4 Unsupervised Clustering 39
2.1.5 Market Basket Analysis 40
2.2 SUPERVISED DATA MINING TECHNIQUES 41
2.2.1 The Credit Card Promotion Database 41
2.2.2 Rule-Based Techniques 42
2.2.3 Neural Networks 44
2.2.4 Statistical Regression 46
2.3 ASSOCIATION RULES 47
2.4 CLUSTERING TECHNIQUES 48
2.5 EVALUATING PERFORMANCE 49
2.5.1 Evaluating Supervised Learner Models 50
2.5.2 Two-Class Error Analysis 52

Contents ◾ ix
2.5.3 Evaluating Numeric Output 53
2.5.4 Comparing Models by Measuring Lift 53
2.5.5 Unsupervised Model Evaluation 55
2.6 CHAPTER SUMMARY 56
2.7 KEY TERMS 57
Chapter 3 ◾ Basic Data Mining Techniques 63
CHAPTER OBJECTIVES 63
3.1 DECISION TREES 64
3.1.1 An Algorithm for Building Decision Trees 64
3.1.2 Decision Trees for the Credit Card Promotion Database 70
3.1.3 Decision Tree Rules 73
3.1.4 Other Methods for Building Decision Trees 73
3.1.5 General Considerations 74
3.2 A BASIC COVERING RULE ALGORITHM 74
3.3 GENERATING ASSOCIATION RULES 80
3.3.1 Confidence and Support 80
3.3.2 Mining Association Rules: An Example 82
3.3.3 General Considerations 84
3.4 THE K-MEANS ALGORITHM 85
3.4.1 An Example Using K -means 86
3.4.2 General Considerations 89
3.5 GENETIC LEARNING 90
3.5.1 Genetic Algorithms and Supervised Learning 91
3.5.2 General Considerations 95
3.6 CHOOSING A DATA MINING TECHNIQUE 95
3.7 CHAPTER SUMMARY 97
3.8 KEY TERMS 98
Section II Tools for Knowledge Discovery
Chapter 4 ◾ Weka—An Environment for Knowledge Discovery 105
CHAPTER OBJECTIVES 105
4.1 GETTING STARTED WITH WEKA 106
4.2 BUILDING DECISION TREES 109
4.3 GENERATING PRODUCTION RULES WITH PART 117

x ◾ Contents
4.4 ATTRIBUTE SELECTION AND NEAREST NEIGHBOR CLASSIFICATION 122
4.5 ASSOCIATION RULES 127
4.6 COST/BENEFIT ANALYSIS, (OPTIONAL) 131
4.7 UNSUPERVISED CLUSTERING WITH THE K -MEANS ALGORITHM 137
4.8 CHAPTER SUMMARY 141
Chapter 5 ◾ Knowledge Discovery with RapidMiner 145
CHAPTER OBJECTIVES 145
5.1 GETTING STARTED WITH RAPIDMINER 146
5.1.1 Installing RapidMiner 146
5.1.2 Navigating the Interface 146
5.1.3 A First Process Model 149
5.1.4 A Decision Tree for the Credit Card Promotion Database 156
5.1.5 Breakpoints 158
5.2 BUILDING DECISION TREES 159
5.2.1 Scenario 1: Using a Training and Test Set 160
5.2.2 Scenario 2: Adding a Subprocess 165
5.2.3 Scenario 3: Creating, Saving, and Applying the Final Model 167
5.2.3.1 Saving a Model to an Output File 167
5.2.3.2 Reading and Applying a Model 168
5.2.4 Scenario 4: Using Cross-Validation 168
5.3 GENERATING RULES 173
5.3.1 Scenario 1: Tree to Rules 173
5.3.2 Scenario 2: Rule Induction 176
5.3.3 Scenario 3: Subgroup Discovery 178
5.4 ASSOCIATION RULE LEARNING 181
5.4.1 Association Rules for the Credit Card Promotion Database 182
5.4.2 The Market Basket Analysis Template 183
5.5 UNSUPERVISED CLUSTERING WITH K -MEANS 187
5.6 ATTRIBUTE SELECTION AND NEAREST NEIGHBOR CLASSIFICATION 191
5.7 CHAPTER SUMMARY 194
Chapter 6 ◾ The Knowledge Discovery Process 199
CHAPTER OBJECTIVES 199
6.1 A PROCESS MODEL FOR KNOWLEDGE DISCOVERY 199
6.2 GOAL IDENTIFICATION 201

Contents ◾ xi
6.3 CREATING A TARGET DATA SET 202
6.4 DATA PREPROCESSING 203
6.4.1 Noisy Data 203
6.4.1.1 Locating Duplicate Records 204
6.4.1.2 Locating Incorrect Attribute Values 204
6.4.1.3 Data Smoothing 204
6.4.1.4 Detecting Outliers 205
6.4.2 Missing Data 207
6.5 DATA TRANSFORMATION 208
6.5.1 Data Normalization 208
6.5.2 Data Type Conversion 209
6.5.3 Attribute and Instance Selection 209
6.5.3.1 Wrapper and Filtering Techniques 210
6.5.3.2 More Attribute Selection Techniques 211
6.5.3.3 Genetic Learning for Attribute Selection 211
6.5.3.4 Creating Attributes 212
6.5.3.5 Instance Selection 213
6.6 DATA MINING 214
6.7 INTERPRETATION AND EVALUATION 214
6.8 TAKING ACTION 215
6.9 THE CRISP-DM PROCESS MODEL 215
6.10 CHAPTER SUMMARY 216
6.11 KEY TERMS 216
Chapter 7 ◾ Formal Evaluation Techniques 221
CHAPTER OBJECTIVES 221
7.1 WHAT SHOULD BE EVALUATED? 222
7.2 TOOLS FOR EVALUATION 223
7.2.1 Single-Valued Summary Statistics 224
7.2.2 The Normal Distribution 225
7.2.3 Normal Distributions and Sample Means 226
7.2.4 A Classical Model for Hypothesis Testing 228
7.3 COMPUTING TEST SET CONFIDENCE INTERVALS 230
7.4 COMPARING SUPERVISED LEARNER MODELS 232
7.4.1 Comparing the Performance of Two Models 233
7.4.2 Comparing the Performance of Two or More Models 234

xii ◾ Contents
7.5 UNSUPERVISED EVALUATION TECHNIQUES 235
7.5.1 Unsupervised Clustering for Supervised Evaluation 235
7.5.2 Supervised Evaluation for Unsupervised Clustering 235
7.5.3 Additional Methods for Evaluating an Unsupervised Clustering 236
7.6 EVALUATING SUPERVISED MODELS WITH NUMERIC OUTPUT 236
7.7 COMPARING MODELS WITH RAPIDMINER 238
7.8 ATTRIBUTE EVALUATION FOR MIXED DATA TYPES 241
7.9 PARETO LIFT CHARTS 244
7.10 CHAPTER SUMMARY 247
7.11 KEY TERMS 248
Section III Building Neural Networks
Chapter 8 ◾ Neural Networks 253
CHAPTER OBJECTIVES 253
8.1 FEED-FORWARD NEURAL NETWORKS 254
8.1.1 Neural Network Input Format 254
8.1.2 Neural Network Output Format 255
8.1.3 The Sigmoid Evaluation Function 256
8.2 NEURAL NETWORK TRAINING: A CONCEPTUAL VIEW 258
8.2.1 Supervised Learning with Feed-Forward Networks 258
8.2.1.1 Training a Neural Network: Backpropagation Learning 258
8.2.1.2 Training a Neural Network: Genetic Learning 259
8.2.2 Unsupervised Clustering with Self-Organizing Maps 259
8.3 NEURAL NETWORK EXPLANATION 260
8.4 GENERAL CONSIDERATIONS 262
8.5 NEURAL NETWORK TRAINING: A DETAILED VIEW 263
8.5.1 The Backpropagation Algorithm: An Example 263
8.5.2 Kohonen Self-Organizing Maps: An Example 266
8.6 CHAPTER SUMMARY 268
8.7 KEY TERMS 269
Chapter 9 ◾ Building Neural Networks with Weka 271
CHAPTER OBJECTIVES 271
9.1 DATA SETS FOR BACKPROPAGATION LEARNING 272
9.1.1 The Exclusive-OR Function 272
9.1.2 The Satellite Image Data Set 273

Contents ◾ xiii
9.2 MODELING THE EXCLUSIVE-OR FUNCTION: NUMERIC OUTPUT 274
9.3 MODELING THE EXCLUSIVE-OR FUNCTION: CATEGORICAL OUTPUT 280
9.4 MINING SATELLITE IMAGE DATA 282
9.5 UNSUPERVISED NEURAL NET CLUSTERING 287
9.6 CHAPTER SUMMARY 288
9.7 KEY TERMS 289
Chapter 10 ◾ Building Neural Networks with RapidMiner 293
CHAPTER OBJECTIVES 293
10.1 MODELING THE EXCLUSIVE-OR FUNCTION 294
10.2 MINING SATELLITE IMAGE DATA 301
10.3 PREDICTING CUSTOMER CHURN 306
10.4 RAPIDMINER’S SELF-ORGANIZING MAP OPERATOR 311
10.5 CHAPTER SUMMARY 313
Section IV Advanced Data Mining Techniques
Chapter 11 ◾ Supervised Statistical Techniques 317
CHAPTER OBJECTIVES 317
11.1 NAÏVE BAYES CLASSIFIER 317
11.1.1 Naïve Bayes Classifier: An Example 318
11.1.2 Zero-Valued Attribute Counts 321
11.1.3 Missing Data 321
11.1.4 Numeric Data 322
11.1.5 Implementations of the Naïve Bayes Classifier 324
11.1.6 General Considerations 324
11.2 SUPPORT VECTOR MACHINES 324
11.2.1 Linearly Separable Classes 332
11.2.2 The Nonlinear Case 336
11.2.3 General Considerations 337
11.2.4 Implementations of Support Vector Machines 340
11.3 LINEAR REGRESSION ANALYSIS 340
11.3.1 Simple Linear Regression 344
11.3.2 Multiple Linear Regression 344
11.3.2.1 Linear Regression—Weka 344
11.3.2.2 Linear Regression—RapidMiner 345

xiv ◾ Contents
11.4 REGRESSION TREES 349
11.5 LOGISTIC REGRESSION 350
11.5.1 Transforming the Linear Regression Model 350
11.5.2 The Logistic Regression Model 351
11.6 CHAPTER SUMMARY 352
11.7 KEY TERMS 352
Chapter 12 ◾ Unsupervised Clustering Techniques 357
CHAPTER OBJECTIVES 357
12.1 AGGLOMERATIVE CLUSTERING 358
12.1.1 Agglomerative Clustering: An Example 358
12.1.2 General Considerations 360
12.2 CONCEPTUAL CLUSTERING 360
12.2.1 Measuring Category Utility 361
12.2.2 Conceptual Clustering: An Example 362
12.2.3 General Considerations 364
12.3 EXPECTATION MAXIMIZATION 364
12.3.1 Implementations of the EM Algorithm 365
12.3.2 General Considerations 365
12.4 GENETIC ALGORITHMS AND UNSUPERVISED CLUSTERING 371
12.5 CHAPTER SUMMARY 374
12.6 KEY TERMS 374
Chapter 13 ◾ Specialized Techniques 377
CHAPTER OBJECTIVES 377
13.1 TIME-SERIES ANALYSIS 377
13.1.1 Stock Market Analytics 378
13.1.2 Time-Series Analysis—An Example 379
13.1.2.1 Creating the Target Data Set—Numeric Output 380
13.1.2.2 Data Preprocessing and Transformation 380
13.1.2.3 Creating the Target Data Set—Categorical Output 382
13.1.2.4 Mining the Data—RapidMiner 382
13.1.2.5 Mining the Data—Weka 387
13.1.2.6 Interpretation, Evaluation, and Action 390
13.1.3 General Considerations 390

Contents ◾ xv
13.2 MINING THE WEB 391
13.2.1 Web-Based Mining: General Issues 391
13.2.1.1 Identifying the Goal 391
13.2.2 Preparing the Data 392
13.2.2.1 Mining the Data 393
13.2.2.2 Interpreting and Evaluating Results 393
13.2.2.3 Taking Action 394
13.2.3 Data Mining for Website Evaluation 395
13.2.4 Data Mining for Personalization 395
13.2.5 Data Mining for Website Adaptation 396
13.2.6 PageRank and Link Analysis 396
13.2.7 Operators for Web-Based Mining 398
13.3 MINING TEXTUAL DATA 398
13.3.1 Analyzing Customer Reviews 399
13.4 TECHNIQUES FOR LARGE-SIZED, IMBALANCED,
AND STREAMING DATA 404
13.4.1 Large-Sized Data 404
13.4.2 Dealing with Imbalanced Data 405
13.4.2.1 Methods for Addressing Rarity 406
13.4.2.2 Receiver Operating Characteristics Curves 406
13.4.3 Methods for Streaming Data 412
13.5 ENSEMBLE TECHNIQUES FOR IMPROVING PERFORMANCE 413
13.5.1 Bagging 413
13.5.2 Boosting 414
13.5.3 AdaBoost—An Example 414
13.6 CHAPTER SUMMARY 417
13.7 KEY TERMS 418
Chapter 14 ◾ The Data Warehouse 423
CHAPTER OBJECTIVES 423
14.1 OPERATIONAL DATABASES 424
14.1.1 Data Modeling and Normalization 424
14.1.2 The Relational Model 425
14.2 DATA WAREHOUSE DESIGN 426
14.2.1 Entering Data into the Warehouse 427

xvi ◾ Contents
14.2.2 Structuring the Data Warehouse: The Star Schema 429
14.2.2.1 The Multidimensionality of the Star Schema 430
14.2.2.2 Additional Relational Schemas 431
14.2.3 Decision Support: Analyzing the Warehouse Data 432
14.3 ONLINE ANALYTICAL PROCESSING 434
14.3.1 OLAP: An Example 435
14.3.2 General Considerations 438
14.4 EXCEL PIVOT TABLES FOR DATA ANALYTICS 438
14.5 CHAPTER SUMMARY 445
14.6 KEY TERMS 446
APPENDIX A—SOFTWARE AND DATA SETS FOR DATA MINING, 451
APPENDIX B—STATISTICS FOR PERFORMANCE EVALUATION, 455
BIBLIOGRAPHY, 461
INDEX, 465

xvii
List of Figures
Figure 1.1 A decision tree for the data in Table 1.1. 10
F
igure 1.2
Data mining versus expert systems. 17
F
igure 1.3
A process model for data mining. 20
F
igure 1.4
A perfect positive correlation (r = 1). 22
F
igure 1.5
A perfect negative correlation (r = −1). 23
F
igure 1.6
Intrinsic versus actual customer value. 26
F
igure 2.1
A hierarchy of data mining strategies. 34
F
igure 2.2
A fully connected multilayer neural network. 45
F
igure 2.3
An unsupervised clustering of the credit card database. 49
Fi
gure 2.4
Targeted versus mass mailing. 54
F
igure 3.1
A partial decision tree with root node = income range. 68
F
igure 3.2
A partial decision tree with root node = credit card insurance. 69
F
igure 3.3
A partial decision tree with root node = age. 70
F
igure 3.4
A three-node decision tree for the credit card database. 71
F
igure 3.5
A two-node decision tree for the credit card database. 71
F
igure 3.6
Domain statistics for the credit card promotion database. 76
F
igure 3.7
Class statistics for life insurance promotion = yes. 77
Fi
gure 3.8
Class statistics for life insurance promotion = no. 78
Fi
gure 3.9
Statistics for life insurance promotion = yes after removing five instances. 79
F
igure 3.10
A coordinate mapping of the data in Table 3.6. 86
F
igure 3.11
A K-means clustering of the data in Table 3.6 (K = 2). 89
F
igure 3.12
Supervised genetic learning. 91

xviii ◾ List of Figures
Figure 3.13 A crossover operation. 94
F
igure 4.1
Weka GUI Chooser. 107
Figure 4.2 Explorer four graphical user interfaces (GUI’s). 107
Figure 4.3 Weka install folder. 108
Figure 4.4 Sample data sets. 108
Figure 4.5 Instances of the contact-lenses file. 109
Figure 4.6 Loading the contact-lenses data set. 110
Figure 4.7 Navigating the Explorer interface. 111
F
igure 4.8
A partial list of attribute filters. 112
Figure 4.9 Command line call for J48. 112
Figure 4.10 Parameter setting options for J48. 113
Figure 4.11 Decision tree for the contact-lenses data set. 113
Figure 4.12 Weka’s tree visualizer. 114
Figure 4.13 Decision tree output for the contact-lenses data set. 115
Figure 4.14 Classifier output options. 116
Figure 4.15 Actual and predicted output. 116
Figure 4.16 Customer churn data. 118
Figure 4.17 A decision list for customer churn data. 118
Figure 4.18 Customer churn output generated by PART. 119
Figure 4.19 Loading the customer churn instances of unknown outcome. 120
Figure 4.20 Predicting customers likely to churn. 121
Figure 4.21 Nearest neighbor output for the spam data set. 123
Figure 4.22 Weka’s attribute selection filter. 124
Figure 4.23 Options for the attribute selection filter. 124
Figure 4.24 Parameter settings for ranker. 125
Figure 4.25 Most predictive attributes for the spam data set. 126
Figure 4.26 IBk output after removing the 10 least predictive attributes. 126
Figure 4.27 Association rules for the contact-lenses data set. 128
Figure 4.28 Parameters for the Apriori algorithm. 129

List of Figures ◾ xix
Figure 4.29 The supermarket data set. 130
Figure 4.30 Instances of the supermarket data set. 130
Figure 4.31 Ten association rules for the supermarket data set. 131
Figure 4.32 A J48 classification of the credit card screening data set. 132
Figure 4.33 Invoking a cost/benefit analysis. 133
Figure 4.34 Cost/benefit output for the credit card screening data set. 133
Figure 4.35 Cost/benefit analysis set to match J48 classifier output. 134
Figure 4.36 Invoking a cost/benefit analysis. 135
Figure 4.37 Minimizing total cost. 135
Figure 4.38 Cutoff scores for credit card application acceptance. 136
Figure 4.39 Classes to clusters evaluation for simpleKmeans. 137
Figure 4.40 Include standard deviation values for simpleKmeans. 138
Figure 4.41 Classes to clusters output. 139
Figure 4.42 Partial list of attribute values for the K -means clustering in Figure 4.41. 140
Figure 4.43 Additional attribute values for the SimpleKMeans clustering in Figure 4.41. 140
Figure 5.1 An introduction to RapidMiner. 147
Figure 5.2 Creating a new blank process. 147
Figure 5.3 A new blank process with helpful pointers. 148
Figure 5.4 Creating and saving a process. 150
Figure 5.5 Importing the credit card promotion database. 150
Figure 5.6 Selecting the cells to import. 151
Figure 5.7 A list of allowable data types. 152
Figure 5.8 Changing the role of Life Ins Promo. 152
Figure 5.9 Storing a file in the data folder. 153
Figure 5.10 The credit card promotion database. 153
Figure 5.11 A successful file import. 154
Figure 5.12 Connecting the credit card promotion database to an output port. 154
Figure 5.13 Summary statistics for the credit card promotion database. 155
Figure 5.14 A bar graph for income range. 155

xx ◾ List of Figures
Figure 5.15 A scatterplot comparing age and life insurance promotion. 156
Figure 5.16 A decision tree process model. 157
Figure 5.17 A decision tree for the credit card promotion database. 158
Figure 5.18 A decision tree in descriptive form. 158
Figure 5.19 A list of operator options. 159
Figure 5.20 Customer churn—A training and test set scenario. 160
Figure 5.21 Removing instances of unknown outcome from the churn data set. 161
Figure 5.22 Partitioning the customer churn data. 162
Figure 5.23 The customer churn data set. 163
Figure 5.24 Filter Examples has removed all instances of unknown outcome. 163
Figure 5.25 A decision tree for the customer churn data set. 164
Figure 5.26 Output of the Apply Model operator. 164
Figure 5.27 A performance vector for the customer churn data set. 165
Figure 5.28 Adding a subprocess to the main process window. 166
Figure 5.29 A subprocess for data preprocessing. 167
Figure 5.30 Creating and saving a decision tree model. 168
Figure 5.31 Reading and applying a saved model. 169
Figure 5.32 An Excel file stores model predictions. 169
Figure 5.33 Testing a model using cross-validation. 170
Figure 5.34 A subprocess to read and filter customer churn data. 171
Figure 5.35 Nested subprocesses for cross-validation. 171
Figure 5.36 Performance vector for a decision tree tested using cross-validation. 172
Figure 5.37 Subprocess for the Tree to Rules operator. 174
Figure 5.38 Building a model with the Tree to Rules operator. 174
Figure 5.39 Rules generated by the Tree to Rules operator. 175
Figure 5.40 Performance vector for the customer churn data set. 175
Figure 5.41 A process design for rule induction. 176
Figure 5.42 Adding the Discretize by Binning operator. 177
Figure 5.43 Covering rules for customer churn data. 177

List of Figures ◾ xxi
Figure 5.44 Performance vector for the covering rules of Figure 5.43. 178
Figure 5.45 Process design for subgroup discovery. 179
Figure 5.46 Subprocess design for subgroup discovery. 179
Figure 5.47 Rules generated by the Subgroup Discovery operator. 180
Figure 5.48 Ten rules identifying likely churn candidates. 181
Figure 5.49 Generating association rules for the credit card promotion database. 182
Figure 5.50 Preparing data for association rule generation. 183
F
igure 5.51
Interface for listing association rules. 184
Figure 5.52 Association rules for the credit card promotion database. 184
Figure 5.53 Market basket analysis template. 185
F
igure 5.54
The pivot operator rotates the example set. 186
Figure 5.55 Association rules for the Market Basket Analysis template. 186
Figure 5.56 Process design for clustering gamma-ray burst data. 188
Figure 5.57 A partial clustering of gamma-ray burst data. 189
Figure 5.58 Three clusters of gamma-ray burst data. 189
Figure 5.59 Decision tree illustrating a gamma-ray burst clustering. 190
Figure 5.60 A descriptive form of a decision tree showing a clustering
of gamma-ray burst data. 190
Figure 5.61 Benchmark performance for nearest neighbor classification. 192
F
igure 5.62
Main process design for nearest neighbor classification. 192
F
igure 5.63
Subprocess for nearest neighbor classification. 193
Figure 5.64 Forward selection subprocess for nearest neighbor classification. 193
Figure 5.65 Performance vector when forward selection is used for choosing
attributes. 194
Figure 5.66 Unsupervised clustering for attribute evaluation. 197
F
igure 6.1
A seven-step KDD process model. 200
Figure 6.2 The Acme credit card database. 203
Figure 6.3 A process model for detecting outliers. 205
Figure 6.4 Two outlier instances from the diabetes patient data set. 206

xxii ◾ List of Figures
Figure 6.5 Ten outlier instances from the diabetes patient data set. 207
Figure 7.1 Components for supervised learning. 222
Figure 7.2 A normal distribution. 225
Figure 7.3 Random samples from a population of 10 elements. 226
Figure 7.4 A process model for comparing three competing models. 239
Figure 7.5 Subprocess for comparing three competing models. 240
Figure 7.6 Cross-validation test for a decision tree with maximum depth = 5. 240
Figure 7.7 A matrix of t -test scores. 241
Figure 7.8 ANOVA comparing three competing models. 241
Figure 7.9 ANOVA operators for comparing nominal and numeric attributes. 242
Figure 7.10 The grouped ANOVA operator comparing class and maximum heart
rate. 243
F
igure 7.11
The ANOVA matrix operator for the cardiology patient data set. 243
Figure 7.12 A process model for creating a lift chart. 244
Figure 7.13 Preprocessing the customer churn data set. 245
F
igure 7.14
Output of the Apply Model operator for the customer churn data set. 245
F
igure 7.15
Performance vector for customer churn. 246
Figure 7.16 A Pareto lift chart for customer churn. 247
Figure 8.1 A fully connected feed-forward neural network. 254
Figure 8.2 The sigmoid evaluation function. 257
Figure 8.3 A 3 × 3 Kohonen network with two input-layer nodes. 260
Figure 8.4 Connections for two output-layer nodes. 266
F
igure 9.1
Graph of the XOR function. 272
Figure 9.2 XOR training data. 273
Figure 9.3 Satellite image data. 274
Figure 9.4 Weka four graphical user interfaces (GUIs) for XOR training. 275
F
igure 9.5
Backpropagation learning parameters. 276
Figure 9.6 Architecture for the XOR function. 278
F
igure 9.7
XOR training output. 278

List of Figures ◾ xxiii
Figure 9.8 Network architecture with associated connection weights. 279
F
igure 9.9
XOR network architecture without a hidden layer. 280
Figure 9.10 Confusion matrix for XOR without a hidden layer. 281
F
igure 9.11
XOR with hidden layer and categorical output. 281
Figure 9.12 XOR confusion matrix and categorical output. 282
F
igure 9.13
Satellite image data network architecture. 284
F
igure 9.14
Confusion matrix for satellite image data. 284
F
igure 9.15
Updated class assignment for instances 78 through 94 of the satellite
image data set. 286
Figure 9.16 Initial classification for pixel instances 78 through 94 of the satellite
image data set. 286
Figure 9.17 Parameter settings for Weka’s SelfOrganizingMap . 287
Figure 9.18 Applying Weka’s SelfOrganizingMap to the diabetes data set. 288
Figure 10.1 Statistics for the XOR function. 295
Figure 10.2 Main process for learning the XOR function. 295
Figure 10.3 Default settings for the hidden layers parameter. 296
Figure 10.4 A single hidden layer of five nodes. 297
F
igure 10.5
Performance parameters for neural network learning. 298
Figure 10.6 Neural network architecture for the XOR function. 298
Figure 10.7 Hidden-to-output layer connection weights. 299
F
igure 10.8
Prediction confidence values for the XOR function. 299
Figure 10.9 Performance vector for the XOR function. 300
Figure 10.10 Absolute error value for the XOR function. 300
Figure 10.11 Attribute declarations for the satellite image data set. 302
Figure 10.12 Main process for mining the satellite image data set. 302
Figure 10.13 Subprocesses for satellite image data set. 303
Figure 10.14 Network architecture for the satellite image data set. 304
Figure 10.15 Performance vector for the satellite image data set. 304
Figure 10.16 Removing correlated attributes from the satellite image data set. 305

xxiv ◾ List of Figures
Figure 10.17 Green and red have been removed from the satellite image data set. 305
Figure 10.18 Correlation matrix for the satellite image data set. 306
Figure 10.19 Neural network model for predicting customer churn. 307
Figure 10.20 Preprocessing the customer churn data. 308
Figure 10.21 Cross-validation subprocess for customer churn. 308
Figure 10.22 Performance vector for customer churn. 309
Figure 10.23 Process for creating and saving a neural network model. 309
Figure 10.24 Process model for reading and applying a neural network model. 310
Figure 10.25 Neural network output for predicting customer churn. 310
Figure 10.26 SOM process model for the cardiology patient data set. 312
Figure 10.27 Clustered instances of the cardiology patient data set. 312
Figure 11.1 RapidMiner’s naïve Bayes operator. 325
Figure 11.2 Subprocess for applying naïve Bayes to customer churn data. 326
Figure 11.3 Naïve Bayes Distribution Table for customer churn data. 326
Figure 11.4 Naïve Bayes performance vector for customer churn data. 327
Figure 11.5 Life insurance promotion by gender. 328
Figure 11.6 Naïve Bayes model with output attribute = LifeInsPromo. 329
Figure 11.7 Predictions for the life insurance promotion. 329
Figure 11.8 Hyperplanes separating the circle and star classes. 330
Figure 11.9 Hyperplanes passing through their respective support vectors. 331
Figure 11.10 Maximal margin hyperplane separating the star and circle classes. 335
Figure 11.11 Loading the nine instances of Figure 11.8 into the Explorer. 338
Figure 11.12 Invoking SMO model. 339
Figure 11.13 Disabling data normalization/standardization. 339
Figure 11.14 The SMO-created MMH for the data shown in Figure 11.8. 340
Figure 11.15 Applying mySVM to the cardiology patient data set. 341
F
igure 11.16
Normalized cardiology patient data. 342
Figure 11.17 Equation of the MMH for the cardiology patient data set. 342
Figure 11.18 Actual and predicted output for the cardiology patient data. 343

List of Figures ◾ xxv
Figure 11.19 Performance vector for the cardiology patient data. 343
Figure 11.20 A linear regression model for the instances of Figure 11.8. 345
Figure 11.21 Main process window for applying RapidMiner’s linear regression
operator to the gamma-ray burst data set. 346
Figure 11.22 Subprocess windows for the Gamma Ray burst experiment. 346
Figure 11.23 Linear regression—actual and predicted output for the gamma-ray
burst data set. 347
Figure 11.24 Summary statistics and the linear regression equation for the
gamma-ray burst data set. 347
Figure 11.25 Scatterplot diagram showing the relationship between t90 and t50. 348
Figure 11.26 Performance vector resulting from the application of linear
regression to the gamma-ray burst data set. 348
F
igure 11.27
A generic model tree. 349
F
igure 11.28
The logistic regression equation. 351
Figure 12.1 A Cobweb-created hierarchy. 363
Figure 12.2 Applying EM to the gamma-ray burst data set. 366
Figure 12.3 Removing correlated attributes from the gamma-ray burst data set. 367
Figure 12.4 An EM clustering of the gamma-ray burst data set. 367
Figure 12.5 Summary statistics for an EM clustering of the gamma-ray burst data set. 368
Figure 12.6 Decision tree representing a clustering of the gamma-ray burst data set. 368
Figure 12.7 The decision tree of Figure 12.6 in descriptive form. 369
Figure 12.8 Classes of the sensor data set. 370
Figure 12.9 Generic object editor allows us to specify the number of clusters. 370
Figure 12.10 Classes to clusters summary statistics. 371
Figure 12.11 Unsupervised genetic clustering. 372
Figure 13.1 A process model for extracting historical market data. 380
Figure 13.2 Historical data for XIV. 381
Figure 13.3 Time-series data with numeric output. 382
Figure 13.4 Time-series data with categorical output. 383
Figure 13.5 Time-series data for processing with RapidMiner. 383

xxvi ◾ List of Figures
Figure 13.6 A 3-month price chart for XIV. 384
Figure 13.7 A process model for time-series analysis with categorical output. 385
Figure 13.8 Predictions and confidence scores for time-series analysis. 385
Figure 13.9 Performance vector—time-series analysis for XIV. 386
Figure 13.10 Predicting the next-day closing price of XIV. 386
Figure 13.11 Time-series data formatted for Weka—categorical output. 387
Figure 13.12 Time-series data formatted for Weka—numeric output. 388
Figure 13.13 Time-series analysis with categorical output. 388
Figure 13.14 Time-series analysis with numeric output. 389
Figure 13.15 Cluster analysis using time-series data. 389
Figure 13.16 A generic Web usage data mining model. 392
F
igure 13.17
Creating usage profiles from session data. 395
Figure 13.18 Hypertext link recommendations from usage profiles. 396
Figure 13.19 A page link structure. 397
F
igure 13.20
A main process model for mining textual data. 401
Figure 13.21 A template to enter folder names used for textual data. 401
Figure 13.22 Class and folder names containing textual data. 402
Figure 13.23 Subprocess for tokenizing and stemming textual data. 402
Figure 13.24 A tokenized positive evaluation. 403
Figure 13.25 A tokenized and stemmed positive evaluation. 403
Figure 13.26 Textual data reduced to two dimensions. 403
Figure 13.27 Rules defining the three product evaluation classes. 404
Figure 13.28 An ROC graph for four competing models. 407
Figure 13.29 The PART algorithm applied to the spam data set. 408
Figure 13.30 An ROC curve created by applying PART to the spam data set. 409
Figure 13.31 Locating the true- and false-positive rate position in the ROC curve. 410
Figure 13.32 Confidence scores for predicted values with the spam data set. 410
Figure 13.33 Sorted confidence scores for the spam data set. 411
Figure 13.34 A main process for testing the AdaBoost operator. 415

List of Figures ◾ xxvii
Figure 13.35 Subprocess using a decision tree without AdaBoost. 415
Figure 13.36 Subprocess using AdaBoost, which builds several decision trees. 416
Figure 13.37 T-test results for testing AdaBoost. 416
Figure 13.38 Results of the ANOVA with the AdaBoost operator. 417
Figure 14.1 A simple entity-relationship diagram. 424
Figure 14.2 A data warehouse process model. 428
Figure 14.3 A star schema for credit card purchases. 429
Figure 14.4 Dimensions of the fact table shown in Figure 14.3. 431
Figure 14.5 A constellation schema for credit card purchases and promotions. 433
Figure 14.6 A multidimensional cube for credit card purchases. 435
Figure 14.7 A concept hierarchy for location. 436
Figure 14.8 Rolling up from months to quarters. 437
Figure 14.9 Creating a pivot table. 439
Figure 14.10 A blank pivot table. 440
Figure 14.11 A comparison of credit card insurance and income range. 440
Figure 14.12 A chart comparing credit card insurance and income range. 441
Figure 14.13 A credit card promotion cube. 442
Figure 14.14 A pivot table for the cube shown in Figure 14.13. 442
Figure 14.15 Pivot table position corresponding to the highlighted cell
in Figure 14.13. 443
Figure 14.16 Drilling down into the cell highlighted in Figure 14.15. 444
Figure 14.17 Highlighting female customers with a slice operation. 444
Figure 14.18 A second approach for highlighting female customers. 445
Figure A.1 A successful installation. 452
Figure A.2 Locating and installing a package. 452
Figure A.3 List of installed packages. 452

Random documents with unrelated
content Scribd suggests to you:

Blijkt er het geloof uit, dat een neger een mensch is? Bewijst het niet
bepaaldelijk, dat hij niet beschouwd wordt als een mensch? Let eens verder
op het afgrijselijke beginsel, hetwelk, in dit geval weder bevestigd, de wet
is van Virginia: Met opzigt tot de verhouding tusschen meester en slaaf, en
ten einde voor eene behoorlijke ondergeschiktheid van de zijde van dezen
laatste te zorgen, is de strekking der wet, den meester te beschermen tegen
vervolging in alle zoodanige gevallen, zelfs indien de geeseling en
bestraffing kwaadwillig, wreed en overdreven geweest is!
Wanneer de beschaafdste en verstandigste mannen in den Staat, bepaald en
bedaard en schijnbaar zonder te bemerken dat zij iets onmenschelijks
zeggen, zulk eene verbazingwekkende uitspraak doen, wat moet men dan
daarvan denken? Indien zij dit niet als wreedaardig beschouwen, wat is dan
wreedaardig? En, indien hun gevoel zoo verstompt is, dat zij in zulk eene
uitspraak geene wreedheid zien, welke hoop kan men dan nog koesteren op
eenigerhande bescherming voor den slaaf?
Deze wet is eene onbewimpelde en duidelijke vergunning voor zulke
ellendelingen als Souther, om den hulpeloozen slaaf elke pijniging te doen
ondergaan, die zij goedvinden, zonder blootgesteld te zijn aan eene
beschuldiging van misdaad. Zij verklaart hem, en de blanken die van zijne
daad getuigen waren en elke andere lage ziel, dat de strekking der wet is,
hem te handhaven in de toepassing van zijne kwaadwillige, wreede en
overdrevene straffen.
Welke opleiding geven de verstandige en beschaafde mannen van een Staat
daardoor aan de lagere en minder beschaafde klasse? Veronderstel, dat in
Massachusetts plegtig wordt afgekondigd, met opzigt tot de vrije arbeiders
of leerjongens, dat, om de ondergeschiktheid te bevorderen, de wet de
strekking heeft om den meester te beschermen wanneer hij straf toepast,
hoe kwaadwillig, wreed en overdreven dan ook, mits de dood er maar niet
op volge. Wij kunnen ons de openbaarmaking van zulk een beginsel niet
voorstellen, zonder een opstand en eene uitbarsting van volkswoede,
waarbij die van Bunkers Hill onbeduidend zou schijnen; doch, gesteld, de
Staat Massachusetts ware zoo ontzenuwd, dat zulk een besluit kon doorgaan
zonder tegenstand van de zijde der arbeidende klasse,—gesteld, het ging

door en werd eene tastbare wezenlijkheid, welk een invloed zou het hebben
op de volksopvoeding in het Gemeenebest? Welke schatting van de
arbeidende klasse zou het aanduiden in de gemoederen van hen, die de wet
maken en uitvoeren?
Hoezeer zou eene dergelijke wet, blijkbaar opgesteld om de menschen in
hunne wreedheid te stijven, onmiddellijk ruimen teugel geven aan laagheid
en woestheid! Bezitten de menschen niet reeds wreedheid genoeg, zonder
dat de majesteit der wet noodig zij om haar te bekrachtigen en eervol te
maken?
En zoo men ter verdediging van zulk eene wet wilde zeggen: „O! natuurlijk
zal nimmer eenig achtenswaardig of menschelijk man er zich van
bedienen!” zouden wij dan den ouden Staat Massachusetts niet zeer diep
gezonken moeten achten, dat zij in haar wetboek regtstreeksche
verzekeringen van bescherming opgenomen had voor daden, die geen man
van eer immer zou willen bedrijven?
En wanneer deze stuitende vergunning ter toetse gebragt zal worden voor
den regterstoel van Christus, en de ontzaggelijke regter aan hare
ontwerpers, uitvoerders en verdedigers zal vragen: „Waar is uw
broeder?”—wanneer al de zielen, die van onder het altaar hebben geroepen:
„Hoe lang, o Heerscher, oordeelt en wreekt gij ons bloed niet,” zich rondom
dien regterstoel zullen scharen als eene wolke van getuigen, en het oordeel
wordt aangevangen en het boek geopend,—welk antwoord zal dan kunnen
gegeven worden voor wetten en uitspraken als deze?
Zal men den grooten Regter te gemoet voeren, dat zij noodig waren om de
slavernij in stand te houden,—dat deze anders niet had kunnen gehandhaafd
worden?
Zal men, met zulk eene bekentenis op de lippen, die oogen durven
ontmoeten, die als vuurvlammen flonkeren?
Zal Hij dan niet, als met eene stemme des donders, antwoorden: „Gij hebt
den arme en den nooddruftige omgebragt, en vergeten dat de Heer zijn
toeverlaat was”?

De doodzonde der slavernij is, dat zij de menschelijkheid verloochent. Dit
is de zonde geweest, die der verdrukking door alle tijden heen aankleefde.
Het vertreden, schenden en verbrijzelen van Gods beeld in den persoon der
armen en geringen is de groote zonde der menschen geweest sinds de
grondlegging der wereld. Tegen deze zonde hebben al de profeten van den
ouden tijd zich met krachtige stem verheven. Nog sterker getuigenis werd
tegen deze zonde ingebragt, toen God in Jezus Christus de menschelijke
natuur aannam en elk menschelijk wezen tot een broeder des Heeren
maakte. Doch de laatste en meest verhevene getuigenis zal worden geleverd
ten dage als een mensch de geheele aarde zal oordeelen,—een Mensch, die
den geringsten slaaf, evenzeer als den fiersten meester, als broeder zal
erkennen.
In hoogst merkwaardige en treffende bewoordingen wordt in den Bijbel
gemeld, dat de Vader het geheele oordeel heeft opgedragen aan den Zoon,
omdat deze de Zoon des Menschen is. Die menschelijke natuur, welke, in
den persoon van den armen slaaf, is veracht en verworpen, bespot en
verguisd, gegeeseld en gemarteld, zal te dien dage verheerlijkt worden; en
het zal de vreeselijkste zonde blijken te zijn, zoo men ligtvaardig heeft
gehandeld ten aanzien van het geheiligde karakter der menschheid, gelijk
deze slavenwetten en instellingen hebben gedaan; want het geheele stelsel
der wetgeving, in zake van slavernij, de praktijk van het slavenhouden, en
de denkbeelden, welke zich dienaangaande bij het algemeen vormen,—dit
alles berust op de grootste der ketterijen, de verloochening van het begrip
dat alle menschen broeders zijn. Een geheel geslacht is uit de rij van het
menschdom geworpen, zijne onsterfelijkheid voorbijgezien;—hunne
waardigheid als kinderen Gods wordt bespot, hunne betrekking als broeders
van Christus voor eene fabel gehouden; wet en openbare meening en
praktijk ten hunnen aanzien zijn zoodanig, dat men het alleen zou kunnen
begrijpen indien zij een ras van redelooze dieren waren.
En juist omdat de neger beschouwd wordt als een redeloos dier en geener
betere behandeling waardig, houdt men de gedragslijn, die ten zijnen
opzigte gevolgd wordt en de behandeling, die hem ten deel valt, voor
menschelijk.

Neem eene klasse van blanken, hoe onbeschaafd ook, plaats hen onder
hetzelfde stelsel van wetten en maak hun civielen toestand in alles gelijk
aan dien van den neger: zou dit niet als het toppunt van de
onverantwoordelijkste wreedheid beschouwd worden?
Stel, bijv., dat de slaven-wetten in ons land van toepassing werden gemaakt
op al de Ieren en dat zij verklaard werden tot eigendom van ieder, die geld
genoeg had om hen te koopen. Stel dat hun regt om te stemmen, om
regtsgedingen in te stellen, om getuigenis in regtszaken af te leggen, om een
wettig huwelijk te sluiten, om eigendommen te bezitten of overeenkomsten
van allen aard aan te gaan, door ééne pennestreek werd uitgeschrapt.
Onderstel al verder, dat het verboden ware hun lezen en schrijven te leeren,
en dat hunne kinderen gedoemd waren om tot in de lengte der dagen zonder
kennis te blijven voortleven. Onderstel, dat in de geregtszaal verklaard
werd, dat het enkel slaan van een Ier, „zonder gepaard te gaan met
wreedheid of met eenigerhande toeleg om een moord te plegen,” geene
overtreding kan geheeten worden. Onderstel, dat er verklaard werd, dat, tot
bevordering van de ondergeschiktheid bij hen, de wet den meester zou
beschermen, al bleek het ook dat de straf, die hij uitgeoefend had,
kwaadwillig, wreed of overdreven was geweest; en onderstel, dat monsters,
gelijk Souther, van die vergunning gebruik makende, nu en dan Ieren
doodmartelden, doch dat dit van niet genoegzaam belang gerekend werd om
den meester eenigen dwang op te leggen. Onderstel dat men koeltjes zeide:
„O ja, wij weten wel, dat Ieren wel eens worden doodgemarteld, doch dit is
geen doorgaande regel; niemand, van eenigen stand in de maatschappij, zou
het doen, en zoo dergelijke gevallen zich voordoen, wekken zij algemeene
verontwaardiging.”
Onderstel, dat als reden waarom de wet, die de magt van den meester
afbakent, niet strenger kan gemaakt worden, werd opgegeven, dat het
algemeene stelsel niet in stand kan gehouden worden, zonder die ruimte van
magt aan den meester te verleenen.
Onderstel, dat, wanneer men al de Ieren in dit land tot dien toestand gebragt
had, deze verzekerden, dat het algemeen gevoel van menschelijkheid ten
hunnen opzigte zich zoo krachtig deed kennen, dat het ruimschoots opwoog

tegen het gemis van alle wettelijke regten en hun toestand over het geheel
gelukkiger maakte dan wanneer zij vrij waren. Zouden wij niet moeten
zeggen, dat een „algemeen gevoel”, hetwelk geene wreedheid zag in het
ontnemen aan een geheel geslacht van alle regten, die der menschheid
dierbaar zijn, dan niets als wreed kan beschouwen en bewezen had geheel
onbevoegd te zijn om over dit onderwerp eenig oordeel uit te spreken? Wie
zou niet liever zijne kinderen in het graf dan in slavernij zien? Wie, zoo hij
morgen ontwaakte als Amerikaansch slaaf, zou zich niet op de rustplaats der
dooden wenschen? En toch gaan alle verdedigers van de slavernij uit van de
stelling, dat deze wettelijke toestand op zich-zelf geene wreedheid is! Zij
zouden het voor zich of voor eenigen blanke als de uiterste grenspaal van
wreedheid beschouwen; waarom beschouwen zij het dan in het geheel als
geene wreedheid, wanneer het een neger geldt?
De schrijver, die de slavernij in Fraser’s Magazine verdedigt, poogt deze
ontzetting van eene geheele klasse van hare wettige regten te regtvaardigen
door de bewering: „dat het goede, dat in den menschelijken aard ligt, aan de
gebreken van de menschelijke wetgeving zal te gemoet komen.” Deze
opmerking is een veelbeteekenende maatstaf van den staat der begrippen,
die zelfs in een edelaardig gemoed door het slavernij-stelsel te weeg gebragt
worden. Die schrijver denkt dat het goede, hetwelk in den menschelijken
aard ligt, voorzien zal in het gemis van wettige regten bij duizenden en
millioenen menschelijke wezens. Hij zou niet aarzelen hun ligchaam en
hunne ziel toe te vertrouwen aan het goede, dat in den menschelijken aard
ligt; maar toch zou diezelfde man geen bankbiljet van vijftig dollars in een
onverzegelden omslag en vertrouwende op „het goede, dat in den
menschelijken aard ligt”, over den post willen verzenden.
Zou die man zijne kinderen in den toestand van slaven geplaatst willen zien
en hen overlaten aan „het goede, dat in den menschelijken aard ligt?”
Zou hij van den achtenswaardigsten zijner vrienden een huis of een
landgoed koopen, zonder wettige bewijsstukken op te maken, zich alleen
verlatende op „het goede, dat in den menschelijken aard ligt?” En zoo „het
goede dat in den menschelijken aard ligt” niet alles-afdoende is voor hem
en zijne kinderen, hoe zal het dan genoegzaam zijn voor zijn broeder en

zijns broeders kinderen? Is zijn geluk in de oogen van God van zooveel
hooger waarde dan dat zijns broeders, dat het zijne moet verzekerd worden
door wettige banden, sloten en grendels, en dat van zijn broeder zoo maar
kan worden overgelaten aan „het goede, dat in den menschelijken aard
ligt?” Nooit gevoelen wij zoo diep de volslagene ongenoegzaamheid van
het algemeen gevoel om den slaaf te beschermen, dan wanneer wij zulke
stellingen hooren verkondigen door menschen, die van nature edel en
gevoelig zijn.
De eerwaarde C. C. Jones, een onvermoeid arbeider voor de slaven, laat
zich als volgt uit over de waardij van ééne ziel onder die ongelukkigen:
Ware het ons geopenbaard, dat het uitgebreidste stelsel van onderwijs, hetwelk wij
bedenken kunnen, al vorderde het een reusachtigen en eeuwen lang voortgezetten arbeid,
onder de genadige ontferming van onzen Heer zou uitloopen op de behoudenis van één
armen Afrikaan, wij zouden er aanleiding in vinden, om, tot welken prijs en met welke
opofferingen ook, met blijmoedigheid die taak aan te vangen.
Welk een edele en verheven ziel spreekt uit deze woorden! Duiden zij niet
een geest aan, die tot de hoogste dingen in staat is?
En toch, zoo wij al zijne werken doorloopen, zullen wij er met smart uit
ontwaren, hoe het zedelijk gevoel van de reinste ziel verstompt kan worden
door voortdurende aanraking met zulk een stelsel.
Wij vinden van hem eene raadgeving aan de meesters om hunne slaven
mondeling te doen onderrigten in de Godsdienst. Op vele plaatsen spreekt
hij van het mondeling onderrigt als een onbetwistbaar gebrekkig onderwijs,
verre staande beneden datgeen, hetwelk voortvloeit uit het persoonlijk lezen
en onderzoeken van Gods Woord. Hij zegt ergens, dat dit, om nut te
stichten, vroeg begonnen moet worden, daar menschen van gevorderde
jaren het er zelden ver in brengen; en toch geeft hij als zijne bepaalde
meening te kennen, dat de slavernij eene aangelegenheid is, waarin geen
Christen zich behoeft te mengen.
Volgens zijne eigene aanwijzing wordt den slaven het beste middel tot
behoudenis hunner zielen benomen en beperkt men hen tot een van

verreweg mindere hoedanigheid. Deze beperking maakt hunne zielen tot het
verkrijgen van geestelijk voedsel even afhankelijk van anderen, als een
mensch zonder handen van anderen afhankelijk is voor stoffelijk voedsel.
Hij erkent—hetgeen zijne eigene ondervinding hem ook moet geleerd
hebben—dat de slaaf elk oogenblik kan overgaan in handen van personen,
die de moeite niet zullen nemen om hem aldus van geestelijk voedsel te
voorzien; ja, zoo wij dit gevolg mogen trekken uit zijn dringend beroep op
de meesters, dan heeft hij velen gezien, die, in geestelijken zin de handen
hunner slaven afgesneden hebbende, thans weigeren hun het voedsel toe te
dienen. Hij ontwaart, dat duizenden geplaatst zijn in omstandigheden, waar
de ziel schier onvermijdelijk moet verloren gaan, en toch zegt hij, zich niet
geroepen te gevoelen om zich in het minst met hun civielen toestand in te
laten!
Doch, indien de ziel van iederen armen Afrikaan van die onschatbare
waarde is, welke de heer Jones er aan toekent, volgt daaruit dan niet, dat
hem het beste middel moet verschaft worden om den hemel in te gaan? En
verkeert hij, die den Bijbel zelf kan lezen, niet in een beteren toestand dan
degeen, die afhankelijk is van het voorlezen van een ander? Zoo men zegt,
dat zulk onderwijs niet kan verleend worden, omdat de slaven dan geene
veilige bezitting meer zouden zijn, behoorde dan niet een geestelijke als de
heer Jones, van wien wij zoo even zulke treffende woorden hebben
aangehaald, den meesters onder het oog te brengen dat het hun beter ware,
alle wereldsch goed te verliezen, dan zich bloot te stellen aan het gevaar
van eenig verderf te brengen over die zielen? Al de beweeggronden, welke
de heer Jones zoo welsprekend heeft aangevoerd om de meesters te
overreden, dat zij hunne slaven mondeling onderrigt zouden geven, pleiten
met dubbele kracht voor hunne verpligting om den slaaf in staat te stellen,
persoonlijk den Bijbel te lezen.
Verder hooren wij den heer Jones gewagen van de magt, die de meesters
hebben over de zielen hunner ondergeschikten, waaromtrent hij zich aldus
uitlaat:
Wij kunnen, krachtens de in onze handen gestelde magt, Godsdienstige bijeenkomsten en
Godsdienstig onderrigt op onze eigene plantagiën verbieden; wij kunnen onze

onderhoorigen geheel verbieden ter kerk te gaan, of hun bevelen alleen die kerken te
bezoeken, die wij voor hen kiezen zullen. Letterlijk kunnen wij het Koningrijk der
Hemelen voor menschen sluiten en hen, die op den drempel staan, het binnentreden
beletten.
En wanneer wij den heer Jones dit alles hooren zeggen, en daarbij in
aanmerking nemen, dat hij moet weten en gezien hebben, dat deze
ontzaggelijke magt dikwijls berust in handen van menschen zonder
Godsdienst, in handen van menschen van het verwerpelijkste karakter, dan
kunnen wij zijne goedkeuring van zulk een stelsel alleen toeschrijven aan
den verblindenden en verdoovenden invloed, dien de gewoonte der
slavernij op de achtenswaardigste karakters uitoefent.
Noch de heer Jones noch eenig ander Christenleeraar zou het behoorlijk
achten, dat de eeuwige gelukzaligheid zijner eigene kinderen aldus gesteld
werd in de magt van iemand, die geld zou hebben om hen te betalen. Hoe
kunnen zij het dan regtvaardig rekenen, dat die magt verleend worde waar
het hun Afrikaanschen broeder betreft?
Bewijst dit alles niet, dat, zelfs bij de meest menschelijk en Christelijk-
gezinde lieden, die theoretisch gelooven aan de gelijkheid van alle zielen
voor God, eene voortdurende aanraking met de slavernij eene practische
ontrouw in dit opzigt te weeg brengt; zoodat zij hunne toestemming
schenken aan wetten, die in werkelijkheid verklaren dat de behoudenis der
ziel van den dienaar van minder gewigt is dan het behoud van den
eigendom?
Men houde ons niet voor afgunstig of liefdeloos, wanneer wij zeggen, dat,
waar de slavernij bestaat, zoovele oorzaken noodwendig zamenloopen om
de openbare meening met opzigt tot den slaaf te verstompen, dat zelfs de
edelaardigste gemoederen dikwerf aan het dwalen geraken. In de
noordelijke en vrije Staten was de openbare meening (en is zij nog heden)
rampzalig bezoedeld door den invloed van het vroegere en de nabijheid van
het tegenwoordige slavernij-stelsel. Van daar de onregtvaardigheid
waarmede de neger in menigen onzer Staten behandeld wordt. Van daar ook
die verdediging der slavernij, waarmede de drukpers in het Noorden zich
soms belast, ja welke men daar zelfs wel van den predikstoel hoort. Indien

de overblijfselen der slavernij de openbare meening zelfs in het Noorden
zoo kunnen bederven, hoeveel te meer moet dit dan niet het geval zijn ter
plaatse waar die instelling nog in volle kracht aanwezig is!
In zekere mate is het gevoel van de geheele Amerikaansche natie op dit
punt verstompt. Een heidensch schrijver zeide, dat de Goden ons een
schrikwekkend vermogen geschonken hadden, toen zij ons de gave
verleenden om aan iets gewoon te worden. Met volle regt kan dit op
Amerika toegepast worden. Wij hebben ons gewend aan dingen, die in staat
zouden zijn de dooden uit hunne graven te doen verrijzen.
Toen slechts een gering gedeelte van hetgeen hier dagelijks voorvalt, in
Engeland en Frankrijk en Italië en Duitschland bekend werd, ging een
algemeene kreet van verontwaardiging op. Amerika alleen blijft koel en
vraagt: „Wat is er gaande?”
Europa antwoordt: „Wat? wij hebben gehoord, dat de menschen gelijk vee
in uw land verkocht worden.”
„Natuurlijk geschiedt dat,” zegt Amerika; „maar wat verder?”
„Wij hebben vernomen,” zegt Europa, „dat het millioenen menschen in uw
land verboden is te leeren lezen en schrijven.”
„Dat weten wij wel,” hervat Amerika: „maar wat beteekent nu dit
wraakgeroep?”
„Nog hebben wij vernomen,” zegt Europa, „dat Christenmeisjes op uwe
markten verkocht en zoo aan de schande ter prooije geleverd worden!”
„Dat is niet geheel zoo als ’t behoort,” geeft Amerika ten antwoord: „maar
nog eens, waarvoor zoo veel beweging gemaakt?”
„Wij hooren dat drie millioenen onder u geen wettig huwelijk kunnen
aangaan,” roept Europa terug.

„Zeer waar,” is het antwoord van Amerika: „maar gij verhieft zulk een
kreet, dat wij dachten dat gij eene of andere gruweldaad hadt zien begaan.”
„En gij beweert een vrij land te zijn!” roept Europa in verontwaardiging uit.
„Wij zijn ook inderdaad het meest vrije en verlichte land ter wereld. Waar
maakt gij u toch moeijelijk over?” herneemt Amerika weder.
„Gij vaardigt uwe zendelingen af om ons tot Christenen te maken,” zegt
Turkije: „en onze godsdienst heeft evenwel dat afschuwelijke stelsel
afgeschaft.”
„Wat gaat het u aan? Gij zijt maar heidenen!” zoo besluit Amerika.
Menigeen schijnt inderdaad gedacht te hebben, dat alleen verschrikkelijke
overdrijving van het slavernij-stelsel de sensatie kon hebben te weeg
gebragt, die zich in geheel Europa onlangs heeft doen gevoelen. Zij weten
niet, dat de zaak waar aan zij gewend geraakt zijn en die zij met zooveel
onverschilligheid bij allerlei gelegenheden behandeld hebben, aan andere
volkeren als het toppunt van laaghartigheid voorkomt. Terwijl het nieuwere
Europa de oogen opent en een blik werpt op de wettelijke theorie van het
slavernij-stelsel en op de wetten en wetsuitlegging waardoor deze zaak
geregeld wordt, voegt het met de woorden van den verontwaardigden
Othello aan Amerika toe: „Zoo gij iets dergelijks wilt regtvaardigen,
Bid dan niet meer, laat wat u wroeging baarde
Slechts varen; hoop met onvermoeide hand,
Meer euvlen nog den berg op van de schand
En gruwzaamheên; pleeg daden, waarvan de aarde
Verbaasd staat en waarom de hemel schreit;
Want gij kunt deez verdoemnis niet verzwaren,
Die reeds zoo zwaar is door de onmenschelijkheid.”
Er bestaat een vreeselijke toestand van gemeenzaamheid met het kwade,
hetwelk de Apostel noemt, „dood zijn in overtredingen en zonde,” een
toestand waarin men aan de waarheid weêrstand geboden en het kwade
hardnekkig verdedigd heeft, waarin men de toespraak des gewetens heeft

gesmoord en voor de stem van Gods Heiligen Geest de ooren gesloten. Er
bestaat eene vreeselijke ontzenuwing van het zedelijk gevoel, bij welke de
meest goddelooze handelingen en de ontzettendste misdaden den geringsten
indruk falen te maken. Die ontzenuwing, die steeds een vreeselijke
voorbode is van den dood en de ontbinding der natiën, is eene dubbel
gevaarlijke kwaal in een Gemeenebest, welks eenige magt gelegen is in
doorzigt, geregtigheid en deugd.

Hoofdëtuk II.

Hoe de oéenbare meening door de oévoeding
gevormd wordt.
In het belangrijk werk van den eerwaarden C. C. Jones, over het
Godsdienstig onderrigt aan de negers te geven, komen eenige zinsneden
voor, die zoo bijzonder den invloed der openbare meening, welke wij
hebben getracht in het licht te stellen, omschrijven, dat wij niet kunnen
nalaten ze over te nemen:
Bepaalde begrippen of vooroordeelen ten aanzien van zekere onderwerpen ontspruiten
doorgaans uit onze opvoeding of omstandigheden. Ieder kent hun grooten invloed op
oordeelvellingen en gedragslijn, alsmede hoe dikwijls zij gevormd worden zonder dat men
er zich van bewust is; zoodat zij, terwijl wij hun bestaan niet vermoeden, opwassen met
onzen groei en in kracht toenemen met onze sterkte. Dagelijksche omgang doet
mismaaktheid voorkomen als eene gewone leelijkheid. Daarom zijn wij ook niet altijd de
beste beoordeelaars van onzen eigen toestand. Een ander kan er bezwaren, of zelfs
onbetwistbare gebreken in opmerken, waarvan wij gezegd kunnen worden ons levenslang
te naauwernood bewust geweest te zijn. Zoo maakt de gewoonte ook, dat wij euvelen, die
bij het eerste aanschouwen onze geheele natuur in opstand bragten en die ons
onverdragelijk voorkwamen, zoodanig vergeten, dat wij ze schier niet meer zien.
Menschen, die uit den eenen maatschappelijken stand in den anderen overgaan, treffen
duizende zaken aan, waaraan zij gelooven zich nimmer te zullen kunnen gewennen; en
evenwel, binnen korten tijd verstompt hunne gevoeligheid; zij ondergaan eene verandering,
bijna zonder zelven te weten hoe. Zij hebben zich geschikt naar hunne nieuwe
omstandigheden en betrekkingen—te Rome zijn zij Romeinen.
Thans zullen wij onderzoeken welken invloed eene gedurige aanraking met
het slavernij-stelsel op de opvoeding heeft.
Neem een kind van een ontvankelijk gemoed en een edel hart, en geef het
zijne opvoeding onder den invloed van dat stelsel: en op welke wijze zal nu
zijn karakter gevormd worden? Eene anecdote, die schrijfster dezes uit den
mond eener dame vernam, zal zeker niet ten onpas gerekend worden. Onder
de redenen die haar genoopt hadden om haar huisgezin te vestigen op eene
plaats, waar het buiten den invloed van het slavenstelsel zou zijn, gaf zij het

volgende voorval op: Op zekeren dag een blik uit het raam der kinderkamer
naar buiten werpende zag zij haar driejarig dochtertje in haar wagentje
zitten, dat met zes of acht jonge negerkinderen, als paarden getuigd,
bespannen was. Twee of drie der oudere slaven stonden rondom hunne
kleine meesteres, en een van hen gaf haar eene zweep in de hand en voegde
haar toe: „Sla er maar goed op, Misse; laat ze draven! ’t Zijn allemaal uwe
negers!”
Welk eene les van Godsdienst en zedekunde voor dat jeugdige gemoed! De
moeder was eene verstandige vrouw, die haar kind nimmer iets dergelijks
geleerd zou hebben; maar de staat van slavernij had het in de ziel van elken
slaaf gebrand en zoo werd het weder overgeplant op het kind.
Zoodra een kind oud genoeg is om de nieuwsbladen te kunnen lezen, ziet
het in elke kolom advertentiën als de volgende uit den Richmond Wigh en
andere bladen:
Groote verkoop van Negers, Paarden, Muilezels, Rundvee, enz.
Volgens last van het ommegaande hoog-geregtshof van Fluvanna County, zal de
ondergeteekende op Dingsdag 30 November en Woensdag 1 December aanstaande, des
morgens ten elf ure, ten sterfhuize van wijlen William Galt, bij openbare veiling verkoopen
de negers, voorraad enz. van allerlei aard, tot de hoeve behoorende; bestaande in 175
negers, waaronder eenige timmerlieden en smeden,—10 paarden, 33 muilezels, 100 stuks
rundvee, 100 schapen, 200 varkens, 1500 vaten koorn, haver, veevoeder enz.; de plantage,
en werkgereedschappen van allerlei aard.
De negers zullen à contant verkocht worden; de overige artikelen op negen maanden
crediet, mits tegen acceptatie en goede borgen.
19 October. Jameë Galt,
Administrateur van wijlen William Galt.
Uit de Nashville Gazette, 23 November 1852:
Groote verkoop van Negers, Muilezels, Rundvee, enz.
Op Dingsdag 21 December aanstaande zullen wij op de plantage van wijlen N. A.
McNairy, aan den Franklin Turnpike, voor rekening van mevrouw C. B. McNairy,

executrice, in openbare veiling aanbieden
Vijftig kostbare Negers.
Zij zijn goede plantage-negers en zullen bij huisgezinnen verkocht worden. Gegadigden
kunnen die negers den dag vóór de veiling bezigtigen.
Alsmede, tien sterke werk-muilezels, eenige melkkoeijen en kalven, varkens, 1200 vaten
koorn, haver, hooi, veevoeder, enz., twee wagens, eene kar, bouwgereedschappen, enz.
Uit den Newberry Sentinel:
Verkooping.
De ondergeteekende zal den 15den dezer verkoopen op de plantage waar hij resideert,
gelegen op elf mijlen afstands van de stad Newberry en nabij den Laurens-spoorweg,
Twee en twintig jonge, fiksche Negers,
waaronder goede landbouwers, huisbedienden en een uitmuntende smid;—ongeveer 1500
bushels koorn, eene hoeveelheid veevoeder, varkens, muilezels, schapen, runderen, huis-
en keukengereedschap en andere goederen. Op den dag der veiling zullen de
verkoopsvoorwaarden ter lezing liggen.
1 December. M. C. Garó.
Uit den South Carolinian, 21 October 1852:
Verkoop van aanzienlijke Goederen.
De ondergeteekende, als administrateur op het landgoed van wijlen kolonel T. Randell, zal
op Maandag 20 December aanstaande verkoopen al de goederen, tot die bezitting
behoorende, bestaande in 56 negers, vee, koorn, voeder, enz., enz. De verkoop zal
geschieden ten sterfhuize, aan de Sandy River, 10 mijlen ten westen van Chesterville.
Voorwaarden: De negers op een crediet van 12 maanden, met intrest van den dag der
verkooping, mits twee goede borgen. Het overige wordt à contant verkocht.
2 September. Samuel J. Randell.

Men zie ook de New-Orleans Bee, van 28 October. Op de aankondiging van
den verkoop der plantage van wijlen Madeline Lanoux, volgt de lijst der
losse goederen:
Twaalf slaven, zoo mannen als vrouwen; een kleine, geheel nieuwe schoener; een veerpont;
eenige koeijen, kalven, ossen en schapen; eene partij huisraad; een winkelvoorraad
bestaande in ijzer- en aardewerk, kruidenierswaren enz.
Onderstel nu, dat alle ouders zoo Godsdienstig en welgezind zijn als de heer
Jones (iets, dat bij den tegenwoordigen staat van zaken zeker niet te
verwachten is), en dat zij hun best doen om het kind in te prenten, dat alle
zielen voor het oog van God van gelijke waarde zijn; dat de ziel van den
neger evenzeer bemind wordt door Christus en vrijgekocht door zijn bloed,
als de ziel van zijn meester: zal men dat kind kunnen nopen, dit te gelooven
of er naar te handelen? Zal het gelooven kunnen, dat datgeen, hetwelk hij
iedere week geadverteerd ziet met varkens en paarden en veevoeder en
oude meubelen, ledikanten, tafels en stoelen, werkelijk een zoo Goddelijk
iets is? Wij willen onderstellen, dat het kleine kind een of anderen
Godvruchtigen slaaf kent; dat het hem aan de Avondmaalstafel op eene
afgezonderde wijze het sacramentele brood en den wijn ziet gebruiken. Het
ziet zijn vromen vader en moeder den slaaf als een Christenbroeder
bejegenen; zij verzekeren hem dat hij „een erfgenaam van God is, mede-
erfgenaam van Jezus Christus;”—en de volgende week ziet het denzelfden
man in de courant geadverteerd met varkens, runderen en veevoeder. Kan
het kind, dit ziende, bij mogelijkheid geloof slaan aan hetgeen zijne
Christelijke ouders hem hebben medegedeeld?
Wij hebben tot nog toe alleen gesproken van de gewone advertentiën; maar
stel, dat het kind in zekere bepaalde districten woont waar zijn oog moet
vallen op aankondigingen van nog meer verlagenden aard. In den Staat
Alabama bevat een nieuwsblad, dat aan politiek, letterkunde en opvoeding
gewijd is, iedere week de volgende advertentie:
Let Wel!
De ondergeteekende, een uitmuntend stel honden te zijner beschikking hebbende tot het
opsporen en achterhalen van ontvlugte slaven, berigt aan het publiek, dat bij vervolg zijne

prijzen voor diensten van dien aard zullen zijn:
Voor elken dag jagen of nasporen. 2 dollars 50 cents.
Voor het achterhalen van elken slaaf 10 dollars
Voor een togt van meer dan tien mijlen en het achterhalen van slaven20 dollars
Zoo hij ontboden wordt zullen de bovenstaande prijzen contant gevorderd worden. De
ondergeteekende woont anderhalve mijl ten zuiden van Dadeville in Alabama.
Dadeville, 1 September 1852. B. Black.
Deze advertentie valt aan het kind iedere week in het oog. Het blad, waaruit
wij haar hebben overgenomen, bevat in zijne mengelingen stukken uit de
Household Words van Dickens, uit professor Feltons opstel in den Christian
Examiner, over de wederzijdsche verhouding der seksen, en een treffend en
ridderlijk beroep van den welsprekenden senator Soulé, op de wettige
regten der vrouwen. Laten wij nu mogen vragen, daar dit blad ook aan de
zaak der opvoeding gewijd is, welke soort van invloed op de opvoeding
zoodanige advertentiën hebben? En natuurlijk kan zulk eene inrigting niet
bestaan zonder begunstigers. Waar negerjagers advertentiën plaatsen in de
bladen, worden ook negerjagten gehouden en honden op het negerzoeken
afgerigt; en dit alles geschiedt onder het oog der kinderen. Welke opvoeding
is dit nu?
Schrijfster dezes heeft een overzigt van de wijze waarop de honden tot dit
bedrijf worden afgerigt, ontvangen van een heer, die het op zijne beurt
gekregen had van een neger, voor wien dit eene zoo gewone zaak schijnt
geweest te zijn, dat hij er met even weinig gevoel over uitweidt, als hadde
hij gesproken van eene jagt op wild. De bedoelde opgave is vervat in een
brief uit het zuiden der Vereenigde Staten, en luidt aldus:
Men moet zeer jonge honden nemen, schier onverschillig van welke soort, want bijna alle
zijn er geschikt voor; zij moeten opgesloten worden en mogen geen neger zien, eer zij
groot genoeg zijn om onderwezen te worden. Dan leere men ze, een neger na te loopen;
hebben zij hem bereikt, dan geve men ze vleesch. De neger moet zoo hard loopen als hij
kan en dan in een boom klimmen, ten einde de honden te leeren den vlugteling in een
boom te ontdekken; neem dan de schoen van een neger en leer hen den neger vinden, die er
eigenaar van is; dan een stuk zijner kleederen, en zoo verder. Men moet vooral zorgen, den

neger in een boom te laten klimmen, en den hond te leeren wachten onder den boom en
blaffen tot men hem zijn vleesch geeft.
Men leze ook de volgende advertentie in het Ouachita Register, gedateerd:
„Monroe, Dingsdag avond, 1 Junij 1852”:
Negerhonden.
De ondergeteekende berigt aan het geëerde publiek van Ouachita en omstreken, dat hij zich
gevestigd heeft ongeveer 2½ mijl beoosten John White, aan den weg van Monroe naar
Bastrop, en dat hij een fraai stel honden heeft om negers te vangen. Personen, die negers
wenschen te doen opvangen, worden uitgenoodigd hem te bezoeken. Hij is steeds aan zijn
huis te spreken, zoo hij niet op de negerjagt is, en zelfs dan nog kan men doorgaans in zijne
localen informatiën nemen waar hij zich bevindt.
Voorwaarden: Vijf dollars per dag wanneer geen spoor aangewezen is. Zoo er wel een
spoor is aangewezen, worden vijf en twintig dollars voor het vangen van den slaaf in
rekening gebragt.
Monroe, 17 Februarij 1852. M. C. Goff.
Welnu, maken de in dit hoofdstuk gegevene tafereeltjes niet een goed stelsel
van opvoeding uit voor de kinderen van een Christelijk volk? En moet het
ons verwonderen, wanneer aldus gevormde kinderen geene wreedheid zien
in de slavernij? Kunnen kinderen zich voorstellen, dat wezens, waarop men
aldus jagt maakt, even als zij, kinderen van één Hemelschen Vader zijn?
Maar stel, de knaap groeit op tot man en woont de zittingen der
geregtshoven bij, en hoort schrandere, geleerde mannen van den regterzetel
verklaren, dat „het enkel slaan van een slaaf, wanneer het niet vergezeld is
gegaan van wreedheid of van poging tot moord, geene overtreding kan
genoemd worden.” Stel, dat hij ter zelfder plaatse hoort beslissen, dat geene
beleediging of hoon jegens een slaaf vatbaar is voor eene geregtelijke
behandeling, tenzij zijne waarde als verhandelbaar eigendom er door mogt
verminderd zijn. Stel, dat hij hoort—gelijk in Virginia gebeuren zou—dat
de wet de strekking heeft den meester te beschermen, al past hij ook eene
wreedaardige, kwaadwillige of overdrevene straf op den slaaf toe. Stel, dat
een slaaf vermoord is, en hij nu de regtsgeleerden hoort betoogen, dat dit

voor geen moord gehouden kan worden, dewijl een slaaf, in het oog der
wet, geen menschelijk wezen is; en dat hij, als de zaak voor een hooger hof
gebragt wordt, den regter al zijn talent hoort besteden aan eene uitgewerkte
en sierlijke verhandeling, ten bewijze, dat de slaaf een menschelijk wezen
is, ten minste evenzeer als een waanzinnige, een onnoozele of een
ongeboren kind, en dat hij dus vermoord kan worden. (Zie de redevoering
van den regter Clarke, blz. 175). Stel, dat hij ziet, dat de geheele werking
der wet, met opzigt tot den slaaf, uitgaat van het denkbeeld, dat deze
volstrekt niets anders is dan een baal koopwaren. Stel, dat hij zulke taal
hoore als de volgende, die in het proces van Brazealle voorkomt en die een
niet onaardig staaltje is van de wijze waarop zoodanige onderwerpen
doorgaans besproken worden: „De slaaf heeft geen meerdere politieke
regten, geen meerder regt om eigendommen te koopen, te bezitten of over
te dragen, dan de muilezel regt heeft op den ploeg; hij zelf is niets dan
roerend goed, dat altijd iemand tot eigenaar moet hebben.” Stel, dat hij in
de wets-verzamelingen bepalingen vinde als de volgende, voorkomende in
het burgerlijk wetboek van Louisiana:
Art. 2500. De gebreken van slaven en dieren worden verdeeld in twee soorten,—gebreken
van het ligchaam en gebreken in het karakter.
Art. 2501. De ligchaamsgebreken worden onderscheiden in volstrekte en betrekkelijke.
Art. 2502. De volstrekte gebreken der slaven zijn: melaatschheid, krankzinnigheid en
vallende ziekte.
Art. 2503. De volstrekte gebreken van paarden en muilezels zijn: aamborstigheid, de droes
en kreupelheid.
De indruk van deze taal op het jeugdige gemoed is te sterker, omdat het niet
is de uitbarsting van drift, of de taal der minachting, maar eene kalme, regt
op de zaak afgaande wettelijke bepaling.
Welk een gevoel moet het te weeg brengen bij den jongman, wanneer hij
ontwaart dat, hoe afgrijselijk en welbewezen de moord van een slaaf ook
zij, de moordenaar zonder uitzondering zijne straf ontgaat; en dat, ofschoon
de gevallen, waarin een slaaf het slagtoffer is geworden van een blanke,
veelvuldig zijn, het voorbeeld van eene teregtstelling wegens zulk eene

misdaad, in den lande bijna onbekend is. Komt dit alles niet juist neder op
de schatting der waarde van het leven en geluk eens negers, hetwelk
Frederik Douglass zegt, dat door de blanke knapen, bij welke hij groot
gebragt werd, uitgedrukt werd met het spreekwoord: „’t Kost zes stuivers
om een neger te dooden, en nog zes stuivers om hem te begraven!”
De soort van openbare meening, die door deze wijze van opvoeding
gevormd wordt, blijkt uit het volgende artikeltje, hetwelk wij uit den
Cambridge Democrat, van 27 October 1852, overnemen. Dat blad had het
aan den Woodville Republican, van Mississippi, ontleend. Het schijnt, dat
zekere Josua Johns een slaaf gedood had en daarvoor tot twee jaar cellulaire
gevangenis veroordeeld was. De Republican betreurt zijn droevig lot in de
volgende bewoordingen:
De Staat tegen Josua Johns.
Dit geding is uitgeloopen op de veroordeeling van Johns tot twee jaar cellulaire
gevangenis. Ofschoon alle leden der jury, de balie en velen van het publiek eene petitie aan
den gouverneur gezonden hebben om Johns vrij te stellen, was evenwel geene feil te
vinden in het verdict van de jury. De jeugdige jaren van Johns en de omstandigheden onder
welke hij den manslag bedreef, wekten de algemeene sympathie voor hem op. Er is geen
twijfel, dat de neger door onbeschaamde taal hem tot de daad tergde; maar hoe dikwijls
moet gezegd worden, dat woorden geene dadelijkheden kunnen verontschuldigen? Met
leedwezen moeten wij zeggen, dat er velen zijn, die denken, dat zij evenzeer regt hebben
om een neger, die hen beleedigt of ontvlugt, dood te schieten, als om een hond neder te
vellen; doch er bestaan wetten ter bescherming van den slaaf, evenzeer als van den meester,
en hoe eerder de bovengemelde dwaling uit den weg wordt geruimd, des te beter zal het
voor de betrokkenen zijn.
De ongelukkige jongman, die thans den arm der wet over zich gebragt heeft, had
ongetwijfeld geen begrip van het bestaan van zulk eene straf; en al ware hij er ook van
bewust geweest, dan moeten de herhaalde beleedigingen en tartingen van den neger gewis
als verzachtende omstandigheden in zijn voordeel aangemerkt worden. Johns werd
verdedigd door den heer I. D. Gildart, die voorzeker al het mogelijke voor hem gedaan
heeft.
De Democrat laat er op volgen:
Met bijzonder genoegen vernemen wij van den heer Curry, onder-sheriff van Wilkinson
County, dat de gouverneur aan Johns kwijtschelding van straf verleend heeft.

Wij geven gaarne toe, dat Johns niet al te streng kan gegispt worden voor de
bovengemelde dwaling, van te denken, dat men even straffeloos een neger
als een hond mag nederschieten. Hij is opgevoed in een stand van zaken,
waarvan eene dergelijke meening het noodwendig gevolg moet wezen; en
hij, persoonlijk, is verreweg minder schuldig, dan diegenen, die het stelsel
van wetten en de wijze van opvoeding handhaven, die de jongelieden uit de
zuidelijke Staten regtstreeks tot deze gevolgtrekking brengen. Johns kan
even edel van hart en van nature even regtvaardig-gezind zijn als eenig
jongman ter wereld; maar het afgrijselijke stelsel, onder hetwelk hij is groot
gebragt, heeft hem onbekwaam gemaakt om te onderscheiden wat
edelmoedigheid en regtvaardigheid met betrekking tot een neger is.
De openbare meening in de slavenhoudende Staten is de meening van
lieden die aldus zijn opgevoed, een gevoel dat in alles, wat den neger
betreft, verstompt is en ontzenuwd. Wat hun, wanneer het blanken gold, een
verschrikkelijk onregt zou toeschijnen, is eene zaak die van zelf schijnt te
spreken, wanneer slaven er mede gemoeid zijn.
Naarmate deze strekking der opvoeding van geslacht op geslacht afdaalt,
wordt het zedelijk gevoel bij voortduring stomper, en het vermogen om regt
van onregt, waar het onderworpen ras in het spel komt, te onderscheiden,
meer en meer verzwakt.
Zoo wij een blik slaan in de geschriften van de uitstekende mannen, die
omstreeks den tijd onzer Amerikaansche omwenteling slavenhouders
waren, welke opgeklaarde denkbeelden vinden wij daar dan niet over de
onregtmatigheid der slavernij, welke krachtige woorden van afkeuring
passen zij er niet op toe! Bij mogelijkheid zou men zich niet sterker over de
kwade werking van het stelsel kunnen uitlaten, dan door de woorden aan te
halen van mannen als Washington, Jefferson en Patrick Henry. In die dagen
waren er geen mannen van hun verheven verstand, die er aan dachten, de
slavernij uit beginsel te verdedigen; thans is er een overvloed van
uitstekende lieden, in het Noorden en Zuiden, staatslieden, ambtenaren,
letterkundigen, zelfs geestelijken, die het stelsel in verschillende mate
pogen voor te staan, te verzachten of openlijk te verdedigen. En welke
andere oorzaak is hiervoor te bedenken, dan dat de opvoeding de openbare

meening bedorven en die mannen beroofd heeft van het vermogen om een
onbevangen oordeel te vellen? De openbare meening zelfs van het vrije
Amerika staat, met opzigt tot de slavernij, achter bij die van alle andere
beschaafde natiën.
Wanneer de slavenhouders beweren, dat de slaven, over het algemeen,
menschelijk behandeld worden, wat bedoelen zij dan daarmede? Niet dat zij
zulk eene behandeling menschelijk zouden vinden, wanneer zij hun-zelven
en hunnen kinderen werd aangedaan—neen, waarlijk niet!—maar dat zij
menschelijk is voor slaven.
Zij plaatsen inderdaad den neger beneden de lijn der menschheid en gelijk
met die der redelooze dieren, en plooijen dan al hunne begrippen van
menschelijkheid in overeenstemming daarmede.
Zonder noodzaak zouden zij geen hond of neger een schop geven of hem
mishandelen. Zij kunnen een hond vertroetelen en doen het dikwerf een
neger. Er zijn menschen geweest, die goedvonden hunne paarden weelderig
te huisvesten in marmeren stallen en ze te laten eten uit gebeeldhouwde
troggen, maar zij bleven hen desniettemin als paarden beschouwen; en bij al
de gemakken, waarmede welgezinde meesters soms den slaaf omringen, is
hij voor hen altijd maar een neger, en geen mensch.
Hetgeen in dit hoofdstuk gezegd is, en overigens incidenteel blijkt uit al de
in dit deel aangehaalde feiten, levert overvloedige bewijzen, dat,
niettegenstaande er vele en edele voorbeelden van edelmoedigheid jegens
de negers bestaan, en ofschoon het gevoel van den man van eer en de stem
der Christelijke liefde allerwege protesteert tegen hetgeen men gevoelt eene
onmenschelijkheid te zijn, evenwel de openbare meening, die uit het stelsel
geboren wordt, noodwendig jammerlijk te kort moet schieten in
eenigerhande bescherming der regten van den slaaf. De volgende
hoofdstukken zullen aantoonen, gelijk gewis reeds opgekomen is in
denkende hoofden, dat de geheele loop der opvoeding het gemoed van den
slavenhouder moet verstompen voor den kreet die uit den mond des negers
opgaat als zijn medemensch en broeder.

Hoofdëtuk III.

De veêëtêooiàing deê huiëgezinnen.
„Welk een onderscheid tusschen Isabella en hare onderhoorigen!” riep Dr. Worthington met
kracht uit. „Voor haar is het een verlies van rang, van fortuin, van de schoone uitzigten des
levens, misschien zelfs van de gezondheid; want onvermijdelijk zal zij bezwijken onder de
ongewone werkzaamheden en ontberingen, die zij zal moeten ondergaan. Doch voor hen is
het niets dan eene verandering van meesters.”
„Ja, want de buren willen niet gedoogen dat een der huisgezinnen verstrooid worde.”
„Natuurlijk niet. Van zoo iets leest men wel eens in romans; maar in het werkelijke leven
heb ik het nooit gezien, dan in zeldzame gevallen, of als de slaaf zich aan eene overtreding
of misdaad had schuldig gemaakt, voor welke hij in het Noorden gevangen gezet zou zijn,
misschien wel levenslang.—Cabin and Parlour, door J. Thornton Randolph, blz. 39.
„Maar ik zeg u, zij zullen ons allen naar Georgia verkoopen. Hoe ontkomen wij daaraan?”
„Daarin zult ge u wel vergissen,” antwoordde Oom Peter zeer bepaald. „In deze streken
heb ik nog nooit van zoo iets gehoord, tenzij als een neger zich buitengewoon slecht
gedragen had.”
Door zulke penseeltrekken als de bovenstaande, geeft de heer Thornton
Randolph ons eene schets van de aartsvaderlijke bestendigheid en
veiligheid van den toestand van den slaaf in de oude Staten. Dat een slaaf
buiten den Staat verkocht werd, heeft Dr. S. Worthington nooit gehoord,
behalve in zeldzame gevallen voor eenigerhande misdaad; en Oom Peter
heeft daar zelfs nooit iets van vernomen.
Is dit eene trouwe schets?
Het ergste kwaad van de slavernij is haar noodlottige invloed op het
huisgezin; en, naar het inzigt van schrijfster dezes, is het een kwaad, dat
blijkbaarder en onweêrsprekelijker is dan eenig ander.

’t Is evenwel juist op dit punt, dat de voorstellingen, vervat in de Negerhut,
de sterkste tegenspraak ondervonden hebben, hetzij zijdelings als door den
bovenaangehaalden romanschrijver, hetzij meer regtstreeks in de
nieuwsbladen, zoowel van het Noorden als van het Zuiden. Die van het
Noorden verraadt, om het minst te zeggen, de grootste onbekendheid met de
zaak, die van het Zuiden doet gewis groot onregt aan den roem van
waarheidsliefde en eerlijkheid der zuidelijke burgers. Alle streken des lands
hebben gebreken, die daar eigenaardig zijn. De feil van het Zuiden, in het
algemeen genomen, is geene bloohartige ontwijking en misleiding. Met
groote verbazing las de schrijfster de volgende zinsneden in een artikel in
Fraser’s Magazine, afkomstig van iemand, die zegt in Zuid-Carolina te
wonen:
Mevrouw Stowe’s geliefdkoosd voorbeeld van de magt der meesters ten nadeele van den
slaaf, is de scheiding der familiën. Men spreekt ons van kinderen van tien maanden, die uit
de armen hunner moeders verkocht worden, en van mannen, wier bedrijf bestaat in het
opkweeken van kinderen, om van de zijde der moeder verkocht te worden, zoodra zij oud
genoeg zijn om de scheiding te kunnen doorstaan. Zoo wij onze kennis van dit punt der
slavernij uit mevrouw Stowe’s boek moesten putten, zouden wij de slavengezinnen als
uiterst onbevestigd en zwervend moeten beschouwen.
En verder:
Wij gelooven met vertrouwen, dat, indien statistieke opgaven te verzamelen waren, om
over dit punt licht te verspreiden, daaruit blijken zou dat onder de negers veel minder
scheiding in de gezinnen plaats vindt dan bij eenige andere klasse van personen.
Daar de schrijver van dat artikel echter blijkbaar een man van eer is en vele
edele en lofwaardige gevoelens aan den dag legt, kan men niet onderstellen
dat deze beweringen werden nedergeschreven om te verdraaijen of te
misleiden. Zij zijn dus slechts te beschouwen als bewijzen van de
gemakkelijkheid, waarmede een vooringenomen oog dikwijls de
onmiskenbaarste feiten over het hoofd ziet, wanneer zij indruischen tegen
een geliefkoosd denkbeeld of stelsel, of wanneer zij in hunne strekking
ongunstig zijn voor iemands land of familie. Zoo zullen de bewoners van
eene plaats, wier ongezondheid algemeen bekend is, gelooven en beweren,
—en dit met de meeste opregtheid—dat er in hunne stad minder ziekte
heerscht, dan in eene andere, van dezelfde uitgebreidheid, in de geheele

wereld. Zoo houden ook ouders hunne kinderen dikwijls voor onberispelijk,
juist in die punten, waarin anderen hen het gebrekkigst vinden. De
oplossing van dit verschijnsel is natuurlijk en prijzenswaardig, en doet ons
achting koesteren voor onze zuidelijke broeders.
Er is nog eene andere omstandigheid, waarop men, bij het lezen van zulke
beweringen, acht moet geven. Uit het aangehaalde geschrift blijkt, dat de
schrijver tot de weinigen behoort, die het bezit van eene volstrekte en
onverantwoordelijke magt beschouwen als de krachtigste beweegreden om
er een matig gebruik van te maken. Zulke menschen zijn doorgaans door
vriend- en bloedverwantschap verbonden met anderen van soortgelijke
inborst, waardoor zij zeer ligt in de dwaling vervallen van ieder volgens
henzelven te beoordeelen en te denken, dat eene zaak voor de geheele
wereld dienstig kan zijn omdat zij goed werkt in hun onmiddellijken kring.
Het kan dan ook niet anders, of de velerlei omstandigheden, die sedert de
dagen der kindschheid zamenwerken om den neger te verlagen en als
minder te doen voorkomen in de oogen van een inboorling van het Zuiden,
—het bestendige gebruik om van hen te spreken en te hooren spreken en
hen geadverteerd te zien in vereeniging met paarden, muilezels, veevoeder,
varkens, enz., gelijk in de zuidelijke nieuwsbladen dagelijksch werk is,—dit
alles moet, zelfs bij de regtschapenste menschen, eene zekere verwarring te
weeg brengen met opzigt tot de belangen, smarten, genegenheden, van
degenen die niet bepaaldelijk tot hun eigen kring behooren, waardoor zij ten
hoogste ongeschikt worden om hun toestand juist te beoordeelen. De
schrijfster is hierdoor dikwijls bijzonder getroffen geworden bij het lezen
van brieven van vrienden uit het Zuiden, die, op dezelfde bladzijde, het een
of ander melden betrekkelijk den toestand van de negers in het Zuiden, en
dan voortgaan, en, in verband met andere onderwerpen, feiten aanvoeren,
die alles weder schijnen tegen te spreken. Wij allen kunnen nagaan hoe die
vermenging van het eene met het andere op ons zou werken. Werden wij
genoopt op te geven hoe dikwijls de koeijen onzer buren van hare kalven
gescheiden zijn, of hoe dikwijls hun huisraad en overige bezitting verspreid
en uiteengerukt is geworden door geregtlijke verkoopingen, wij zouden ons
geneigd vinden te verklaren, dat het een ongeluk was, dat niet dikwijls
plaats vindt.

Doch slaan wij een paar nieuwsbladen van Zuid-Carolina open, uitgegeven
in denzelfden Staat waar die heer woont, en gaan wij de advertentiën van
ééne week na. De schrijfster heeft er eenige verkortingen in gebragt, die in
de zaak zelve geene verandering maken.
Geregtelijke verkoop van twaalf fraaije Negers.
Fairfield District.
R. W. Murray en echtgenoote c. s.
contra in Equity.
William Wright en echtgenoote c. s.
Ingevolge bevelschrift van het „Court of Equity,” in bovenstaande zaak uitgevaardigd in de
Julij-zitting van 1852, zal ik op den eersten Maandag in Januarij aanstaande, vóór het
Geregtsgebouw te Winnsboro’, in het openbaar aan den hoogstbiedende toewijzen,
12 zeer fraaije Negers,
behoorende tot de plantage van wijlen Micajah Mobley, van Fairfield District.
Deze Negers bestaan voornamelijk in jonge knapen en meisjes en zijn zeer aan te bevelen.
De verkoopsvoorwaarden, enz.
Commissioners’ Office, W. R. Robeêtëon.
Winnsboro’, 30 November 1852.
Vrijwillige Verkoop.
In openbare veiling zullen op Dingsdag 21 December aanstaande, ten sterfhuize van
mevrouw M. P. Rabb, aan den hoogstbiedende worden toegewezen hare nagelatene
goederen, gedeeltelijk bestaande in omstreeks
2000 bushels koorn,
25000 ponden veevoeder,
tarwe, katoenzaad, paarden, muilezels, rundvee, schapen, varkens.

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!
textbookfull.com

Data Mining A Tutorial Based Primer Second Edition Roiger

About This Presentation

Slide Content

Tags

Categories

Download

Quick Actions

Statistics

Related Slideshows

Data Mining A Tutorial Based Primer Second Edition Roiger

About This Presentation

Slide Content

Slide 1

Slide 2

Slide 3

Slide 5

Slide 6

Slide 7

Slide 8

Slide 9

Slide 10

Slide 11

Slide 12

Slide 13

Slide 14

Slide 15

Slide 16

Slide 17

Slide 18

Slide 19

Slide 20

Slide 21

Slide 22

Slide 23

Slide 24

Slide 25

Slide 26

Slide 27

Slide 28

Slide 29

Slide 30

Slide 31

Slide 33

Slide 34

Slide 35

Slide 36

Slide 37

Slide 38

Slide 39

Slide 40

Slide 41

Slide 42

Slide 43

Slide 44

Slide 45

Slide 46

Slide 47

Slide 48

Slide 49

Slide 50

Slide 51

Slide 52

Slide 53

Slide 54

Slide 55

Slide 56

Slide 57

Slide 58

Slide 59

Slide 60

Slide 61

Tags

Categories

Download

Quick Actions

Statistics

Related Slideshows

TLE-9-Prepare-Salad-and-Dressing.pptxkkk

LESSON 1 ABOUT MEDIA AND INFORMATION.pptx

GRADE-8-AQUACULTURE-WEEKQ1.pdfdfawgwyrsewru

Feelings PP Game FOR CHILDREN IN ELEMENTARY SCHOOL.pptx

Jeopardy_Figures_of_Speech_Template.pptx [Autosaved].pptx

Jeopardy_Figures_of_Speech.pptxvdsvdsvsdvsd