Get ebook downloads in full at ebookmeta.

com

An Introduction to Statistical Learning: with

Applications in Python Gareth James

https://ebookmeta.com/product/an-introduction-to-
statistical-learning-with-applications-in-python-gareth-
james/

OR CLICK BUTTON

DOWNLOAD NOW

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

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

An Introduction To Statistical Learning: With Applications

In R (Second Edition) Gareth James

https://ebookmeta.com/product/an-introduction-to-statistical-learning-
with-applications-in-r-second-edition-gareth-james/

ebookmeta.com

An Introduction to Statistics with Python With

Applications in the Life Sciences 2nd 2nd Edition Thomas
Haslwanter
https://ebookmeta.com/product/an-introduction-to-statistics-with-
python-with-applications-in-the-life-sciences-2nd-2nd-edition-thomas-
haslwanter/
ebookmeta.com

Tree-Based Methods for Statistical Learning in R: A

Practical Introduction with Applications in R 1st Edition
Brandon M. Greenwell
https://ebookmeta.com/product/tree-based-methods-for-statistical-
learning-in-r-a-practical-introduction-with-applications-in-r-1st-
edition-brandon-m-greenwell/
ebookmeta.com

Feelings Materialized 1st Edition Derek Hillard Heikki

Lempa Russell A Spinney

https://ebookmeta.com/product/feelings-materialized-1st-edition-derek-
hillard-heikki-lempa-russell-a-spinney/

ebookmeta.com
A Course in Classical Physics 1 Mechanics 1st Edition
Alessandro Bettini

https://ebookmeta.com/product/a-course-in-classical-
physics-1-mechanics-1st-edition-alessandro-bettini/

ebookmeta.com

Paragons 3 Gods and Superheros 1st Edition Gideon Mills

Mills Gideon

https://ebookmeta.com/product/paragons-3-gods-and-superheros-1st-
edition-gideon-mills-mills-gideon/

ebookmeta.com

History after Hobsbawm: Writing the Past for the Twenty-

First Century 1st Edition John H. Arnold (Editor)

https://ebookmeta.com/product/history-after-hobsbawm-writing-the-past-
for-the-twenty-first-century-1st-edition-john-h-arnold-editor/

ebookmeta.com

Beginning Java 17 Fundamentals: Object-Oriented

Programming in Java 17 3rd Edition Kishori Sharan

https://ebookmeta.com/product/beginning-java-17-fundamentals-object-
oriented-programming-in-java-17-3rd-edition-kishori-sharan-2/

ebookmeta.com

Football s Secret Trade How the Player Transfer Market was

Infiltrated 1st Edition Alex Duff Tariq Panja

https://ebookmeta.com/product/football-s-secret-trade-how-the-player-
transfer-market-was-infiltrated-1st-edition-alex-duff-tariq-panja/

ebookmeta.com
Simkin’s Labor Progress Handbook : Early Interventions to
Prevent and Treat Dystocia, 5th Edition Lisa Hanson

https://ebookmeta.com/product/simkins-labor-progress-handbook-early-
interventions-to-prevent-and-treat-dystocia-5th-edition-lisa-hanson/

ebookmeta.com
Springer Texts in Statistics

Gareth James · Daniela Witten · Trevor Hastie ·

Robert Tibshirani · Jonathan Taylor

An Introduction
to Statistical
Learning
with Applications in Python
Springer Texts in Statistics

Series Editors
G. Allen, Department of Statistics, Rice University, Houston, TX, USA
R. De Veaux, Department of Mathematics and Statistics, Williams College,
Williamstown, MA, USA
R. Nugent, Department of Statistics, Carnegie Mellon University, Pittsburgh,
PA, USA
Springer Texts in Statistics (STS) includes advanced textbooks from 3rd- to 4th-year
undergraduate levels to 1st- to 2nd-year graduate levels. Exercise sets should be
included. The series editors are currently Genevera I. Allen, Richard D. De Veaux,
and Rebecca Nugent. Stephen Fienberg, George Casella, and Ingram Olkin were
editors of the series for many years.
Gareth James • Daniela Witten • Trevor Hastie
Robert Tibshirani • Jonathan Taylor

An Introduction
to Statistical Learning
with Applications in Python
Gareth James Daniela Witten
Goizueta Business School Departments of Statistics
Emory University and Biostatistics
Atlanta, GA, USA University of Washington
Seattle, WA, USA
Trevor Hastie
Departments of Statistics Robert Tibshirani
and Biomedical Data Science Departments of Biomedical
Stanford University Data Science and Statistics
Stanford, CA, USA Stanford University
Stanford, CA, USA
Jonathan Taylor
Department of Statistics
Stanford University
Stanford, CA, USA

ISSN 1431-875X ISSN 2197-4136 (electronic)

Springer Texts in Statistics
ISBN 978-3-031-38746-3 ISBN 978-3-031-38747-0 (eBook)
https://doi.org/10.1007/978-3-031-38747-0

© Springer Nature Switzerland AG 2023

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part
of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations,
recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission
or information storage and retrieval, electronic adaptation, computer software, or by similar or
dissimilar methodology now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this
publication does not imply, even in the absence of a specific statement, that such names are exempt
from the relevant protective laws and regulations and therefore free for general use.
The publisher, the authors, and the editors are safe to assume that the advice and information in this
book are believed to be true and accurate at the date of publication. Neither the publisher nor the
authors or the editors give a warranty, expressed or implied, with respect to the material contained
herein or for any errors or omissions that may have been made. The publisher remains neutral with
regard to jurisdictional claims in published maps and institutional affiliations.

This Springer imprint is published by the registered company Springer Nature Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
 To our parents:

Alison and Michael James

Chiara Nappi and Edward Witten

Valerie and Patrick Hastie

Vera and Sami Tibshirani

John and Brenda Taylor

and to our families:

Michael, Daniel, and Catherine

Tessa, Theo, Otto, and Ari

Samantha, Timothy, and Lynda

Charlie, Ryan, Julie, and Cheryl

Lee-Ann and Isobel

Preface

Statistical learning refers to a set of tools for making sense of complex

datasets. In recent years, we have seen a staggering increase in the scale and
scope of data collection across virtually all areas of science and industry.
As a result, statistical learning has become a critical toolkit for anyone who
wishes to understand data — and as more and more of today’s jobs involve
data, this means that statistical learning is fast becoming a critical toolkit
for everyone.
One of the first books on statistical learning — The Elements of Statisti-
cal Learning (ESL, by Hastie, Tibshirani, and Friedman) — was published
in 2001, with a second edition in 2009. ESL has become a popular text not
only in statistics but also in related fields. One of the reasons for ESL’s
popularity is its relatively accessible style. But ESL is best-suited for indi-
viduals with advanced training in the mathematical sciences.
An Introduction to Statistical Learning, With Applications in R (ISLR)
— first published in 2013, with a second edition in 2021 — arose from
the clear need for a broader and less technical treatment of the key topics
in statistical learning. In addition to a review of linear regression, ISLR
covers many of today’s most important statistical and machine learning
approaches, including resampling, sparse methods for classification and re-
gression, generalized additive models, tree-based methods, support vector
machines, deep learning, survival analysis, clustering, and multiple testing.
Since it was published in 2013, ISLR has become a mainstay of un-
dergraduate and graduate classrooms worldwide, as well as an important
reference book for data scientists. One of the keys to its success has been
that, beginning with Chapter 2, each chapter contains an R lab illustrating
how to implement the statistical learning methods seen in that chapter,
providing the reader with valuable hands-on experience.
However, in recent years Python has become an increasingly popular lan-
guage for data science, and there has been increasing demand for a Python-

vii
viii Preface

based alternative to ISLR. Hence, this book, An Introduction to Statistical

Learning, With Applications in Python (ISLP), covers the same materials
as ISLR but with labs implemented in Python — a feat accomplished by the
addition of a new co-author, Jonathan Taylor. Several of the labs make use
of the ISLP Python package, which we have written to facilitate carrying out
the statistical learning methods covered in each chapter in Python. These
labs will be useful both for Python novices, as well as experienced users.
The intention behind ISLP (and ISLR) is to concentrate more on the
applications of the methods and less on the mathematical details, so it is
appropriate for advanced undergraduates or master’s students in statistics
or related quantitative fields, or for individuals in other disciplines who
wish to use statistical learning tools to analyze their data. It can be used
as a textbook for a course spanning two semesters.
We are grateful to these readers for providing valuable comments on the
first edition of ISLR: Pallavi Basu, Alexandra Chouldechova, Patrick Dana-
her, Will Fithian, Luella Fu, Sam Gross, Max Grazier G’Sell, Courtney
Paulson, Xinghao Qiao, Elisa Sheng, Noah Simon, Kean Ming Tan, Xin Lu
Tan. We thank these readers for helpful input on the second edition of ISLR:
Alan Agresti, Iain Carmichael, Yiqun Chen, Erin Craig, Daisy Ding, Lucy
Gao, Ismael Lemhadri, Bryan Martin, Anna Neufeld, Geoff Tims, Carsten
Voelkmann, Steve Yadlowsky, and James Zou. We are immensely grateful
to Balasubramanian “Naras” Narasimhan for his assistance on both ISLR
and ISLP.
It has been an honor and a privilege for us to see the considerable impact
that ISLR has had on the way in which statistical learning is practiced, both
in and out of the academic setting. We hope that this new Python edition
will continue to give today’s and tomorrow’s applied statisticians and data
scientists the tools they need for success in a data-driven world.

It’s tough to make predictions, especially about the future.

-Yogi Berra
Contents

Preface vii

1 Introduction 1

2 Statistical Learning 15
2.1 What Is Statistical Learning? . . . . . . . . . . . . . . . . . 15
2.1.1 Why Estimate f ? . . . . . . . . . . . . . . . . . . . 17
2.1.2 How Do We Estimate f ? . . . . . . . . . . . . . . . 20
2.1.3 The Trade-Off Between Prediction Accuracy
and Model Interpretability . . . . . . . . . . . . . . 23
2.1.4 Supervised Versus Unsupervised Learning . . . . . 25
2.1.5 Regression Versus Classification Problems . . . . . 27
2.2 Assessing Model Accuracy . . . . . . . . . . . . . . . . . . 27
2.2.1 Measuring the Quality of Fit . . . . . . . . . . . . 28
2.2.2 The Bias-Variance Trade-Off . . . . . . . . . . . . . 31
2.2.3 The Classification Setting . . . . . . . . . . . . . . 34
2.3 Lab: Introduction to Python . . . . . . . . . . . . . . . . . 40
2.3.1 Getting Started . . . . . . . . . . . . . . . . . . . . 40
2.3.2 Basic Commands . . . . . . . . . . . . . . . . . . . 40
2.3.3 Introduction to Numerical Python . . . . . . . . . 42
2.3.4 Graphics . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3.5 Sequences and Slice Notation . . . . . . . . . . . . 51
2.3.6 Indexing Data . . . . . . . . . . . . . . . . . . . . . 51
2.3.7 Loading Data . . . . . . . . . . . . . . . . . . . . . 55
2.3.8 For Loops . . . . . . . . . . . . . . . . . . . . . . . 59
2.3.9 Additional Graphical and Numerical Summaries . . 61
2.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

3 Linear Regression 69
3.1 Simple Linear Regression . . . . . . . . . . . . . . . . . . . 70
3.1.1 Estimating the Coefficients . . . . . . . . . . . . . 71
3.1.2 Assessing the Accuracy of the Coefficient
Estimates . . . . . . . . . . . . . . . . . . . . . . . 72
3.1.3 Assessing the Accuracy of the Model . . . . . . . . 77
3.2 Multiple Linear Regression . . . . . . . . . . . . . . . . . . 80
3.2.1 Estimating the Regression Coefficients . . . . . . . 81

ix
x Contents

3.2.2 Some Important Questions . . . . . . . . . . . . . . 83

3.3 Other Considerations in the Regression Model . . . . . . . 91
3.3.1 Qualitative Predictors . . . . . . . . . . . . . . . . 91
3.3.2 Extensions of the Linear Model . . . . . . . . . . . 94
3.3.3 Potential Problems . . . . . . . . . . . . . . . . . . 100
3.4 The Marketing Plan . . . . . . . . . . . . . . . . . . . . . . 109
3.5 Comparison of Linear Regression with K-Nearest
Neighbors . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.6 Lab: Linear Regression . . . . . . . . . . . . . . . . . . . . 116
3.6.1 Importing packages . . . . . . . . . . . . . . . . . . 116
3.6.2 Simple Linear Regression . . . . . . . . . . . . . . . 117
3.6.3 Multiple Linear Regression . . . . . . . . . . . . . . 122
3.6.4 Multivariate Goodness of Fit . . . . . . . . . . . . 123
3.6.5 Interaction Terms . . . . . . . . . . . . . . . . . . . 124
3.6.6 Non-linear Transformations of the Predictors . . . 125
3.6.7 Qualitative Predictors . . . . . . . . . . . . . . . . 126
3.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

4 Classification 135
4.1 An Overview of Classification . . . . . . . . . . . . . . . . . 135
4.2 Why Not Linear Regression? . . . . . . . . . . . . . . . . . 136
4.3 Logistic Regression . . . . . . . . . . . . . . . . . . . . . . 138
4.3.1 The Logistic Model . . . . . . . . . . . . . . . . . . 139
4.3.2 Estimating the Regression Coefficients . . . . . . . 140
4.3.3 Making Predictions . . . . . . . . . . . . . . . . . . 141
4.3.4 Multiple Logistic Regression . . . . . . . . . . . . . 142
4.3.5 Multinomial Logistic Regression . . . . . . . . . . . 144
4.4 Generative Models for Classification . . . . . . . . . . . . . 146
4.4.1 Linear Discriminant Analysis for p = 1 . . . . . . . 147
4.4.2 Linear Discriminant Analysis for p >1 . . . . . . . 150
4.4.3 Quadratic Discriminant Analysis . . . . . . . . . . 156
4.4.4 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . 158
4.5 A Comparison of Classification Methods . . . . . . . . . . 161
4.5.1 An Analytical Comparison . . . . . . . . . . . . . . 161
4.5.2 An Empirical Comparison . . . . . . . . . . . . . . 164
4.6 Generalized Linear Models . . . . . . . . . . . . . . . . . . 167
4.6.1 Linear Regression on the Bikeshare Data . . . . . . 167
4.6.2 Poisson Regression on the Bikeshare Data . . . . . 169
4.6.3 Generalized Linear Models in Greater Generality . 172
4.7 Lab: Logistic Regression, LDA, QDA, and KNN . . . . . . 173
4.7.1 The Stock Market Data . . . . . . . . . . . . . . . 173
4.7.2 Logistic Regression . . . . . . . . . . . . . . . . . . 174
4.7.3 Linear Discriminant Analysis . . . . . . . . . . . . 179
4.7.4 Quadratic Discriminant Analysis . . . . . . . . . . 181
4.7.5 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . 182
4.7.6 K-Nearest Neighbors . . . . . . . . . . . . . . . . . 183
4.7.7 Linear and Poisson Regression on the Bikeshare Data188
4.8 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
 Contents xi

5 Resampling Methods 201

5.1 Cross-Validation . . . . . . . . . . . . . . . . . . . . . . . . 202
5.1.1 The Validation Set Approach . . . . . . . . . . . . 202
5.1.2 Leave-One-Out Cross-Validation . . . . . . . . . . 204
5.1.3 k-Fold Cross-Validation . . . . . . . . . . . . . . . 206
5.1.4 Bias-Variance Trade-Off for k-Fold
Cross-Validation . . . . . . . . . . . . . . . . . . . 208
5.1.5 Cross-Validation on Classification Problems . . . . 209
5.2 The Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . 212
5.3 Lab: Cross-Validation and the Bootstrap . . . . . . . . . . 215
5.3.1 The Validation Set Approach . . . . . . . . . . . . 216
5.3.2 Cross-Validation . . . . . . . . . . . . . . . . . . . 217
5.3.3 The Bootstrap . . . . . . . . . . . . . . . . . . . . 220
5.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224

6 Linear Model Selection and Regularization 229

6.1 Subset Selection . . . . . . . . . . . . . . . . . . . . . . . . 231
6.1.1 Best Subset Selection . . . . . . . . . . . . . . . . . 231
6.1.2 Stepwise Selection . . . . . . . . . . . . . . . . . . 233
6.1.3 Choosing the Optimal Model . . . . . . . . . . . . 235
6.2 Shrinkage Methods . . . . . . . . . . . . . . . . . . . . . . 240
6.2.1 Ridge Regression . . . . . . . . . . . . . . . . . . . 240
6.2.2 The Lasso . . . . . . . . . . . . . . . . . . . . . . . 244
6.2.3 Selecting the Tuning Parameter . . . . . . . . . . . 252
6.3 Dimension Reduction Methods . . . . . . . . . . . . . . . . 253
6.3.1 Principal Components Regression . . . . . . . . . . 254
6.3.2 Partial Least Squares . . . . . . . . . . . . . . . . . 260
6.4 Considerations in High Dimensions . . . . . . . . . . . . . 262
6.4.1 High-Dimensional Data . . . . . . . . . . . . . . . . 262
6.4.2 What Goes Wrong in High Dimensions? . . . . . . 263
6.4.3 Regression in High Dimensions . . . . . . . . . . . 265
6.4.4 Interpreting Results in High Dimensions . . . . . . 266
6.5 Lab: Linear Models and Regularization Methods . . . . . . 267
6.5.1 Subset Selection Methods . . . . . . . . . . . . . . 268
6.5.2 Ridge Regression and the Lasso . . . . . . . . . . . 273
6.5.3 PCR and PLS Regression . . . . . . . . . . . . . . 280
6.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283

7 Moving Beyond Linearity 289

7.1 Polynomial Regression . . . . . . . . . . . . . . . . . . . . . 290
7.2 Step Functions . . . . . . . . . . . . . . . . . . . . . . . . . 292
7.3 Basis Functions . . . . . . . . . . . . . . . . . . . . . . . . 293
7.4 Regression Splines . . . . . . . . . . . . . . . . . . . . . . . 294
7.4.1 Piecewise Polynomials . . . . . . . . . . . . . . . . 294
7.4.2 Constraints and Splines . . . . . . . . . . . . . . . 296
7.4.3 The Spline Basis Representation . . . . . . . . . . 296
7.4.4 Choosing the Number and Locations
of the Knots . . . . . . . . . . . . . . . . . . . . . . 297
7.4.5 Comparison to Polynomial Regression . . . . . . . 299
xii Contents

7.5 Smoothing Splines . . . . . . . . . . . . . . . . . . . . . . . 300

7.5.1 An Overview of Smoothing Splines . . . . . . . . . 300
7.5.2 Choosing the Smoothing Parameter λ . . . . . . . 301
7.6 Local Regression . . . . . . . . . . . . . . . . . . . . . . . . 303
7.7 Generalized Additive Models . . . . . . . . . . . . . . . . . 305
7.7.1 GAMs for Regression Problems . . . . . . . . . . . 306
7.7.2 GAMs for Classification Problems . . . . . . . . . . 308
7.8 Lab: Non-Linear Modeling . . . . . . . . . . . . . . . . . . 309
7.8.1 Polynomial Regression and Step Functions . . . . . 310
7.8.2 Splines . . . . . . . . . . . . . . . . . . . . . . . . . 315
7.8.3 Smoothing Splines and GAMs . . . . . . . . . . . . 317
7.8.4 Local Regression . . . . . . . . . . . . . . . . . . . 324
7.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325

8 Tree-Based Methods 331

8.1 The Basics of Decision Trees . . . . . . . . . . . . . . . . . 331
8.1.1 Regression Trees . . . . . . . . . . . . . . . . . . . 331
8.1.2 Classification Trees . . . . . . . . . . . . . . . . . . 337
8.1.3 Trees Versus Linear Models . . . . . . . . . . . . . 341
8.1.4 Advantages and Disadvantages of Trees . . . . . . . 341
8.2 Bagging, Random Forests, Boosting, and Bayesian Additive
Regression Trees . . . . . . . . . . . . . . . . . . . . . . . . 343
8.2.1 Bagging . . . . . . . . . . . . . . . . . . . . . . . . 343
8.2.2 Random Forests . . . . . . . . . . . . . . . . . . . . 346
8.2.3 Boosting . . . . . . . . . . . . . . . . . . . . . . . . 347
8.2.4 Bayesian Additive Regression Trees . . . . . . . . . 350
8.2.5 Summary of Tree Ensemble Methods . . . . . . . . 353
8.3 Lab: Tree-Based Methods . . . . . . . . . . . . . . . . . . . 354
8.3.1 Fitting Classification Trees . . . . . . . . . . . . . . 355
8.3.2 Fitting Regression Trees . . . . . . . . . . . . . . . 358
8.3.3 Bagging and Random Forests . . . . . . . . . . . . 360
8.3.4 Boosting . . . . . . . . . . . . . . . . . . . . . . . . 361
8.3.5 Bayesian Additive Regression Trees . . . . . . . . . 362
8.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363

9 Support Vector Machines 367

9.1 Maximal Margin Classifier . . . . . . . . . . . . . . . . . . 367
9.1.1 What Is a Hyperplane? . . . . . . . . . . . . . . . . 368
9.1.2 Classification Using a Separating Hyperplane . . . 368
9.1.3 The Maximal Margin Classifier . . . . . . . . . . . 370
9.1.4 Construction of the Maximal Margin Classifier . . 372
9.1.5 The Non-separable Case . . . . . . . . . . . . . . . 372
9.2 Support Vector Classifiers . . . . . . . . . . . . . . . . . . . 373
9.2.1 Overview of the Support Vector Classifier . . . . . 373
9.2.2 Details of the Support Vector Classifier . . . . . . . 374
9.3 Support Vector Machines . . . . . . . . . . . . . . . . . . . 377
9.3.1 Classification with Non-Linear Decision
Boundaries . . . . . . . . . . . . . . . . . . . . . . 378
9.3.2 The Support Vector Machine . . . . . . . . . . . . 379
 Contents xiii

9.3.3 An Application to the Heart Disease Data . . . . . 382

9.4 SVMs with More than Two Classes . . . . . . . . . . . . . 383
9.4.1 One-Versus-One Classification . . . . . . . . . . . . 384
9.4.2 One-Versus-All Classification . . . . . . . . . . . . 384
9.5 Relationship to Logistic Regression . . . . . . . . . . . . . 384
9.6 Lab: Support Vector Machines . . . . . . . . . . . . . . . . 387
9.6.1 Support Vector Classifier . . . . . . . . . . . . . . . 387
9.6.2 Support Vector Machine . . . . . . . . . . . . . . . 390
9.6.3 ROC Curves . . . . . . . . . . . . . . . . . . . . . . 392
9.6.4 SVM with Multiple Classes . . . . . . . . . . . . . 393
9.6.5 Application to Gene Expression Data . . . . . . . . 394
9.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395

10 Deep Learning 399

10.1 Single Layer Neural Networks . . . . . . . . . . . . . . . . 400
10.2 Multilayer Neural Networks . . . . . . . . . . . . . . . . . . 402
10.3 Convolutional Neural Networks . . . . . . . . . . . . . . . . 406
10.3.1 Convolution Layers . . . . . . . . . . . . . . . . . . 407
10.3.2 Pooling Layers . . . . . . . . . . . . . . . . . . . . 410
10.3.3 Architecture of a Convolutional Neural Network . . 410
10.3.4 Data Augmentation . . . . . . . . . . . . . . . . . . 411
10.3.5 Results Using a Pretrained Classifier . . . . . . . . 412
10.4 Document Classification . . . . . . . . . . . . . . . . . . . . 413
10.5 Recurrent Neural Networks . . . . . . . . . . . . . . . . . . 416
10.5.1 Sequential Models for Document Classification . . 418
10.5.2 Time Series Forecasting . . . . . . . . . . . . . . . 420
10.5.3 Summary of RNNs . . . . . . . . . . . . . . . . . . 424
10.6 When to Use Deep Learning . . . . . . . . . . . . . . . . . 425
10.7 Fitting a Neural Network . . . . . . . . . . . . . . . . . . . 427
10.7.1 Backpropagation . . . . . . . . . . . . . . . . . . . 428
10.7.2 Regularization and Stochastic Gradient Descent . . 429
10.7.3 Dropout Learning . . . . . . . . . . . . . . . . . . . 431
10.7.4 Network Tuning . . . . . . . . . . . . . . . . . . . . 431
10.8 Interpolation and Double Descent . . . . . . . . . . . . . . 432
10.9 Lab: Deep Learning . . . . . . . . . . . . . . . . . . . . . . 435
10.9.1 Single Layer Network on Hitters Data . . . . . . . 437
10.9.2 Multilayer Network on the MNIST Digit Data . . . 444
10.9.3 Convolutional Neural Networks . . . . . . . . . . . 448
10.9.4 Using Pretrained CNN Models . . . . . . . . . . . 452
10.9.5 IMDB Document Classification . . . . . . . . . . . 454
10.9.6 Recurrent Neural Networks . . . . . . . . . . . . . 458
10.10 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465

11 Survival Analysis and Censored Data 469

11.1 Survival and Censoring Times . . . . . . . . . . . . . . . . 470
11.2 A Closer Look at Censoring . . . . . . . . . . . . . . . . . . 470
11.3 The Kaplan–Meier Survival Curve . . . . . . . . . . . . . . 472
11.4 The Log-Rank Test . . . . . . . . . . . . . . . . . . . . . . 474
11.5 Regression Models With a Survival Response . . . . . . . . 476
xiv Contents

11.5.1 The Hazard Function . . . . . . . . . . . . . . . . . 476

11.5.2 Proportional Hazards . . . . . . . . . . . . . . . . . 478
11.5.3 Example: Brain Cancer Data . . . . . . . . . . . . 482
11.5.4 Example: Publication Data . . . . . . . . . . . . . 482
11.6 Shrinkage for the Cox Model . . . . . . . . . . . . . . . . . 484
11.7 Additional Topics . . . . . . . . . . . . . . . . . . . . . . . 486
11.7.1 Area Under the Curve for Survival Analysis . . . . 486
11.7.2 Choice of Time Scale . . . . . . . . . . . . . . . . . 487
11.7.3 Time-Dependent Covariates . . . . . . . . . . . . . 488
11.7.4 Checking the Proportional Hazards Assumption . . 488
11.7.5 Survival Trees . . . . . . . . . . . . . . . . . . . . . 488
11.8 Lab: Survival Analysis . . . . . . . . . . . . . . . . . . . . . 489
11.8.1 Brain Cancer Data . . . . . . . . . . . . . . . . . . 489
11.8.2 Publication Data . . . . . . . . . . . . . . . . . . . 493
11.8.3 Call Center Data . . . . . . . . . . . . . . . . . . . 494
11.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498

12 Unsupervised Learning 503

12.1 The Challenge of Unsupervised Learning . . . . . . . . . . 503
12.2 Principal Components Analysis . . . . . . . . . . . . . . . . 504
12.2.1 What Are Principal Components? . . . . . . . . . . 505
12.2.2 Another Interpretation of Principal Components . 508
12.2.3 The Proportion of Variance Explained . . . . . . . 510
12.2.4 More on PCA . . . . . . . . . . . . . . . . . . . . . 512
12.2.5 Other Uses for Principal Components . . . . . . . . 515
12.3 Missing Values and Matrix Completion . . . . . . . . . . . 515
12.4 Clustering Methods . . . . . . . . . . . . . . . . . . . . . . 520
12.4.1 K-Means Clustering . . . . . . . . . . . . . . . . . 521
12.4.2 Hierarchical Clustering . . . . . . . . . . . . . . . . 525
12.4.3 Practical Issues in Clustering . . . . . . . . . . . . 532
12.5 Lab: Unsupervised Learning . . . . . . . . . . . . . . . . . 535
12.5.1 Principal Components Analysis . . . . . . . . . . . 535
12.5.2 Matrix Completion . . . . . . . . . . . . . . . . . . 539
12.5.3 Clustering . . . . . . . . . . . . . . . . . . . . . . . 542
12.5.4 NCI60 Data Example . . . . . . . . . . . . . . . . . 546
12.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552

13 Multiple Testing 557

13.1 A Quick Review of Hypothesis Testing . . . . . . . . . . . 558
13.1.1 Testing a Hypothesis . . . . . . . . . . . . . . . . . 558
13.1.2 Type I and Type II Errors . . . . . . . . . . . . . . 562
13.2 The Challenge of Multiple Testing . . . . . . . . . . . . . . 563
13.3 The Family-Wise Error Rate . . . . . . . . . . . . . . . . . 565
13.3.1 What is the Family-Wise Error Rate? . . . . . . . 565
13.3.2 Approaches to Control the Family-Wise Error Rate 567
13.3.3 Trade-Off Between the FWER and Power . . . . . 572
13.4 The False Discovery Rate . . . . . . . . . . . . . . . . . . . 573
13.4.1 Intuition for the False Discovery Rate . . . . . . . 573
13.4.2 The Benjamini–Hochberg Procedure . . . . . . . . 575
 Contents xv

13.5 A Re-Sampling Approach to p-Values and False Discovery

Rates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 577
13.5.1 A Re-Sampling Approach to the p-Value . . . . . . 578
13.5.2 A Re-Sampling Approach to the False Discovery Rate579
13.5.3 When Are Re-Sampling Approaches Useful? . . . . 581
13.6 Lab: Multiple Testing . . . . . . . . . . . . . . . . . . . . . 583
13.6.1 Review of Hypothesis Tests . . . . . . . . . . . . . 583
13.6.2 Family-Wise Error Rate . . . . . . . . . . . . . . . 585
13.6.3 False Discovery Rate . . . . . . . . . . . . . . . . . 588
13.6.4 A Re-Sampling Approach . . . . . . . . . . . . . . 590
13.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 593

Index 597
Other documents randomly have
different content
The Project Gutenberg eBook of Kaunosielu
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Kaunosielu
Kuvaus

Author: Eino Leino

Release date: January 12, 2024 [eBook #72690]

Language: Finnish

Original publication: Helsinki: Otava, 1904

Credits: Jari Koivisto

*** START OF THE PROJECT GUTENBERG EBOOK KAUNOSIELU ***

KAUNOSIELU

Kuvaus

Kirj.

EINO LEINO

Helsingissä, Kustannusosakeyhtiö Otava, 1904.

Senssuurin hyväksymä, 31 p. Lokakuuta 1904,

Helsingissä.

SISÄLLYS:

I. Lyijykammio
II. Raha
III. Lehtipurjeessa
 IV. De profundis
V. Matkamies

I
LYIJYKAMMIO

— Taateleita! Arbuusia! Krimin omenia!

Pieni matalakattoinen kamari oli täynnä lääkkeiden ja

sairasvuoteen lemua. Viheriävarpunen hyppeli häkissään
levottomasti edes takaisin, kynttiläjalkojen lasiset kalvostimet kilisivät
itsestään ikäänkuin näkymättömien käsien koskettamina, ja ahdas
ilmareikä ikkunan luona ulvahteli välistä aivan kuin kaikki kuolleiden
henget olisivat sen ulkopuolella iloaan pitäneet. Talvinen aurinko oli
juuri mennyt mailleen, sen jälkeenjättämä soihtu valaisi huoneen
kelmeällä, kaamealla valolla, joka heijastui peilistä kattolamppuun,
kattolampusta lääkepulloihin, lääkepulloista jokaisen huoneessa
olijan kasvoille, jättämättä mitään paikkaa peittoon. Oli kuin olisi
kalma itse tehnyt tuloaan tähän tuskasta ja ahdistuksesta väräjävään
ilmapiiriin.

— Taateleita! Arbuusia! Krimin omenia!

 Äiti heittelihe rauhattomasti vuoteellaan. Kumartuneena hänen
ylitsensä seisoi Anni, joka pyyhki hänen otsaltaan kylmän hien
pisaroita ja piti huolta, etteivät väkevät sinappikääreet päässeet
hänen ympäriltään liukumaan. Kun Erkki heitä molempia sängyn
pääpohjista katseli, näytti hänestä aivan kuin olisi Anni ollut
jättiläisnainen, joka vuoren kolosta löytämäänsä sairasta lasta
henkiin herätteli.

Äiti oli käynyt niin kummallisen pieneksi ja vähäpätöiseksi. Koko

tuo suonikas, jäntevä ja ikäänkuin terävistä luunystyröistä
kokoonpantu ruumis, joka niin kauan oli kärsinyt, taistellut ja
ainoastaan jonkun salaperäisen mahtikäskyn voimasta pystyssä
pysynyt, oli nyt taudin hivuttavan tuskista vetäytynyt yhteen
käppyrään ja näytti peiton alla niin surkean vaivaiselta ja hauraalta
kuin posliininukke, jota vaikutusta vielä valkeat kädet ja
läpikuultaviksi käyneet kasvot enensivät. Esiinpistävä leuka tunki
punakukkaisen peiton alta kuin piikki; ohut kyömynenä ja törröttävät
poskipäät muodostivat sen kanssa ristin, jonka yli harvat hapset
hopeaisena sädekehänä kohosivat.

Ja tämän ristin alla korisi ja sorisi, koko tuo heikko, hauras ruumis
ritisi ja ratisi, jokainen hengitys toi mukanaan ikäänkuin kymmenen
pienen pyypillin äänen, ja välistä ilmestyi äidin suulle suuri,
ymmyrkäinen vesikupla, johon auringonlasku tuolta ulkoa kaameana,
kimmeltävänä taittui. Heijastuivat siihen hetkiseksi ympärillä olevat
esineet, Annin käsivarsi, ikkuna, Erkki itse sekä palanen talvista
maisemaa, luminen metsänranta ja sen yli kohoava maalaiskirkon
tapuli, kaikki mikroskooppisessa koossa ikäänkuin kangastuksena
kääpiöiden leikkitanterilta. Sitä kesti vain hetkisen, mutta se uudistui
kohta jälleen, eikä Erkki voinut olla astumatta lähemmäksi ja
erikoisella mielenkiinnolla tätä elämän taikalyhtyä kuolevan suulla
tarkastamatta.

— Taateleita! Arbuusia! Krimin omenia!

Äiti oli muuttunut lapseksi jälleen. Hän, vararikon tehneen

kauppiaan tytär suuresta rantakaupungista, joka vihdoin oli joutunut
naimisiin köyhän maalaislukkarin kanssa syrjäiseen sisämaan
pitäjään, houraili nyt kaikista niistä herkuista, mitä hän aikoinaan oli
isänsä myymälässä nähnyt! Hän, joka pitkän elämänsä aikana ei
ollut pannut penniäkään hukkaan, joka oli kituuttanut ja koonnut,
raatanut ja rehkinyt, jonka saituus oli tullut sananparreksi koko
tienoossa ja jonka tarkastettaviksi pitäjän eukot eivät voipyttyjään
koskaan ilman suurta sydämen vavistusta tuoneet, hän lepäsi nyt
vuoteellaan ja uneksi yltäkylläisyydestä, jota ei tänne kaukaiseen
metsäseutuun tällä hetkellä mitenkään voitu saada eikä missään
tapauksessa ilman suurempaa kukkaron kulua!

Hänen päänsä pohjat olivat täynnä rusinoita ja manteleita, suuri

rinkiläkimppu killui hänen vuoteensa yläpuolella, tuolilla hänen
vierellään oli kahvikuppi täynnä siirappia, johon oli vehnäjauhoja
sekoitettu, ja hänen toinen kätensä sulki vielä kouristuksen tapaisesti
sisäänsä palasen sitä suklaakakkua, joka häntä varten oli eilen
kyläpostin kerällä läheisestä kauppalasta tuotettu. Hänen
mielitekojaan oli Erkki kotiin tultuaan kokenut täyttää mikäli
mahdollista, murennellut vähäiset rahavaransa, kiertänytpä vielä
pitäjän herrastalotkin pyytelemässä sitä, mitä äidin kullakin hetkellä
teki mieli. Mutta äiti keksi aina uusia tarpeita, hän tuskin katsahti
siihen, mitä hänelle tarjottiin, kaupungista tilatut laatikot lepäsivät
melkein koskemattomina porstuassa ja marmelaadit olivat
maistuneet hänestä kuin laho puu.
 Hän ei tiennyt itsekään mitä hän tahtoi, mutta hänessä oli
sairautensa aikana herännyt ääretön nautinnon himo. Oli ikäänkuin
hän nyt, viimeisillään, olisi tahtonut maistaa kaiken maailman herkut
ja saada osansa siitä elämän makeudesta, josta hän terveenä
ollessaan oli niin vähän tiennyt ja välittänyt. Viiniä hän tahtoi,
hyytelöä hän tahtoi, kermassa ja sokerissa uiskentelevia
kesämansikoita hän tahtoi, ja nyt oli hän vihdoin ruvennut
tahtomaan taateleita, arbuusia ja Krimin omenia!

Onnettomuudeksi ei niitä Erkin laatikoissa ollut. Jokainen äidin

huuto soi kuin epätoivoisen valitus pohjattoman kuilun syvänteestä.
Hän oli kuin valkeutta kohden käsiään ojenteleva, hän oli varma siitä,
että hän paranisi, jos hän vaan saisi sitä, minkä hän niin selvästi
silmiensä edessä näki ja jonka tuoksun hän jokaisella hermonsa
päällä tunsi. — Erkki oli jo ruvennut laskemaan mielessään, kuinka
kauan näiden herkkujen saanti pääkaupungista kestäisi. Sillä vaikka
hänen rahavaransa olivat arveluttavasti vähentyneet, piti hän
velvollisuutenaan täyttää äidin mielihaluja viimeiseen saakka, kaikista
Annin varotuksista huolimatta.

— Taateleita! Arbuusia! Krimin omenia!

Äiti houri vuoteellaan. Ne olivat nuo kaksi hänen vanginvartioitaan,

niiden ilo oli kiusata häntä. Ne estivät häntä muun muassa
kirjoittamasta piispalle, jonka hän kerran oli pappilassa nähnyt, joka
oli häntäkin kädestä puristanut ja niin ystävällisesti hänen kanssaan
pakissut, ja joka varmaankin olisi lähettänyt hänelle sen, mitä hänen
sydämensä halusi, jos tuo hyvä, rakas, kunnianarvoisa piispa vain
olisi tietänyt, missä hädässä hänen vanha ystävänsä lukkarin muori
oli. Mutta ne eivät sallineet hänen kirjoittaa, nuo kaksi, ne eivät
päästäneet hänestä mitään tietoa ulkomaailmaan. Ne olivat
päättäneet kiusata hänet kuoliaaksi ja periä hänen kultakellonsa ja
vihkimäsormuksensa, joita hän lukitussa kotelossa syvällä patjan alla
säilytteli. Kentiesi olivat ne jo saaneetkin jotakin, kentiesi oli piispa
lähettänyt jo jotakin, vaikka sitä ei näytetty hänelle? Ainakin olisi
hänen yhdeksänkymmenenvuotiaan tätinsä suuresta
rantakaupungista pitänyt lähettää hänelle jotakin, — täti, joka tiesi
hänen sairaudestaan, joka oli aina lapsena ollut niin hyvä häntä
kohtaan ja jonka luona hän oli monta viikkoa isän vararikon jälkeen
asunut. Mutta ei, hänelle ei näytetty mitään, hän ei saanut mitään,
nuo kaksi olivat tehneet liiton häntä vastaan, ne olivat häntä
voimakkaammat. Hän ei voinut mitään heidän väkivaltaansa vastaan,
hän oli sairas, hänen täytyi maata hiljaa sängyssä, hänen täytyi
kärsiä kaikki, nähdä kaikki. Mutta hän ei saanut olla mitään
huomaavinaan, sillä muussa tapauksessa olisivat ne voineet hyökätä
hänen päälleen, tukehduttaa hänet ja ottaa heti hänen kultakellonsa
ja sormuksensa.

Se ei saanut tapahtua. Hän oli päättänyt elää vielä kauan, kauan,

ja syödä paljon makeisia. Siksi hän ei saanut heitä suututtaa, siksi
hän ei saanut sanoa heille suoraan, mitä hän heistä ajatteli. Aikoja
sitten hän oli nähnyt heidän lävitsensä ja ymmärtänyt ne salaiset
merkit, joita he toisilleen tekivät, kun vaan luulivat hänen
silmäluomensa ummistuneen.

Oli aivan luonnollista, että ne rakastivat toisiaan, nuo kaksi, että

ne odottivat vain hänen kuolemaansa, nuo kaksi; ne aikoivat asettua
tähän hänen taloonsa ja elää niinkuin mies ja vaimo. Taikka ehkä ne
jo elivätkin, ehkä ne jo olivat kauan eläneet? Hän oli heille vaivaksi,
hänen sairautensa rasitti heitä, hänen yölliset hourailunsa olivat
tärvelleet heiltä kukaties montakin salaista hetkeä ja hänen
keuhkojensa kymmenet kimeät pyypillit soittivat heidän korvaansa
pahan omantunnon ääntä yöt päivät, yöt päivät. Siksi ne häntä niin
vihasivat, siksi ne hänen kuolemaansa niin odottivat. — Mutta hän ei
tahtonut kuolla. Hän tahtoi tärvellä heiltä niin monta salaista hetkeä
kuin mahdollista. Hän tahtoi panna kiusan vasten kiusaa ja omalla
olemassaolollaan niin kauan kuin mahdollista huutaa vastalauseensa
tätä luvatonta yhteyttä vastaan, jota hänen ympärillään harjoitettiin.
Sen tiesivät, nuo kaksi, siksi ne olivat niin varoillaan, nuo kaksi, siksi
ne aina niin nopeasti kiiruhtivat hänen vuoteensa ääreen
katsoakseen, oliko hän todellakin kuollut. — Hän ei ollut tavannut
heitä vähimmästäkään pahasta, ne olivat viisaita, nuo kaksi, ne
tiesivät, että hän vakoili heitä, ja ne osasivat ulkokultaisuudellaan
peittää kaikki sisällisen häpeänsä merkit. — Ja noista kahdesta oli
toinen hänen poikansa ja toinen hänen miehensä veljen tytär järven
toiselta puolen!

— Sinä saat, äiti, sinä saat. Jo viikon päästä ovat halajamasi

herkut täällä.

Erkki se oli, joka näin koki lohduttaa äitiään. Hänelle olivat nuo
lakkaamattomat huudot käyneet aivan sietämättömiksi, hänen
korviansa huumasi ja hänen hengityksensä oli tukahtua tässä sairaan
houreiden ja lääkelemujen painostamassa ilmakehässä. Kuitenkaan
ei hänellä ollut tarmoa edes sen verran, että hän olisi päässyt
paikaltaan liikkumaan. Tuo kelmeä, tulvehtiva valo ikkunasta sokaisi
hänen sieluansa, pitkien, valvottujen öiden hermojännitys oli
laskeutunut hänen niskaansa rautaiseksi renkaaksi, hänen
sydämensä säpsähti joka kerta kuin hän näki äidin pään retkahtavan
hervottomana; hänen jalkansa horjuivat ja hän olisi kaatunut, ellei
hän olisi pitänyt kiini sängynpatsaasta ja tähdännyt silmänsä vain
seuraamaan niitä vesikuplia, jotka äidin suulle aika ajoittain
kohosivat. Samalla toistivat hänen huulensa koneellisesti:
 — Sinä saat, äiti, sinä saat. Jo viikon päästä ovat halajamasi
herkut täällä.

Anni liikkui huoneessa yhtä tyynesti kuin ennenkin. Häneen ei

näyttänyt tämän hetken ahdistava mieliala vähintäkään vaikuttavan.
Hänen tummat silmänsä kiilsivät yhtä kirkkaina kuin ennenkin, hänen
jäntevä, kukoistava vartalonsa taipui yhtä varmasti kuin ennenkin,
eikä hänen käsivarressaan voinut huomata minkäänlaista vavistusta.
Hän korjaili äidin patjoja, pakotti hänet puoli väkisin ottamaan
lääkkeitä, pyyhki hikeä äidin ruumiilta, kaikki yhtä tyynellä
ylemmyydellä kuin hän olisi posliinivauvaa käsitellyt. Mutta hänen
silmiensä välissä oli syvä ryppy ja hänen huulensa olivat tiiviisti
yhteen puristetut.

Välistä koski hänen kyynärpäänsä Erkkiin, välistä koko hänen

käsivartensa. Se tuntui olevan hyvin kiinteä ja luja.

Erkin mielestä oli koko hänen käytöksessään jotakin niin ankarata,

kovaa ja armotonta. Hän kohteli äitiä aivan liian käskevästi ja
tunteettomasti. Erkki itse tunsi itsensä hänen rinnallaan niin heikoksi
ja avuttomaksi, että hän ei voinut parhaalla tahdollaankaan torjua
päältään eräänlaista vihamielisyyden vaistoa, joka oli häntä joskus
ennenkin Annin seurassa vaivannut. — Oli hetkisen kuin olisivat äiti
ja poika tunteneet itsensä liittolaisiksi, kuin olisivat he pitäneet yhtä,
kuin olisi täällä ollut kaksi sairasta lasta, joita tuo kolmas,
jättiläisnainen järven toiselta puolen, hoiteli, holhoeli.

— Erkki, eikö sinun olisi parasta mennä hetkiseksi levähtämään?

Sinä näytät mielestäni niin väsyneeltä.

Oli jo tullut hämärä. Auringonlasku tuolla ulkona oli jo lakannut

loimuamasta, kaikki esineet huoneessa olivat verhotut puolipimeään,
ainoastaan äidin kasvoille lankesi vielä kalpea kajastus. Hänkin näytti
hyvin väsyneeltä, mutta hänen huulensa toistelivat yhä itsepintaisesti
sitä, mitä hänen sydämensä toivoi.

Erkki ohjasi askeleensa koneellisesti viereiseen huoneesen. Anni

seurasi häntä, laittoi päänalaisen hänelle sohvan nurkkaan kuin
pienelle lapselle ja peitti hänet omalla saalillaan. Pimeässä tapasivat
heidän käsivartensa jälleen toisiaan. Sitten hän meni takaisin äidin
luo, joka sillä välin oli noussut puoli-istualle vuoteessaan.

Erkki jäi yksin. Hänen silmänsä painuivat umpeen, rautainen

rengas hänen takaraivossaan lamautti kaiken tahdontoiminnan
häneltä, vaikka häntä hävetti hänen oma heikkoutensa, vaikka hän ei
Annin tähden olisi tahtonut kiusallakaan nukkua. Hänestä tuntui kuin
olisi kaikki hänessä äkkiä seisahtanut, kuin olisi sydän lakannut
sykkimästä, veri virtaamasta asettunut, ja syntynyt hänen
ympärillään hiljaisuus niin suuri ja syvä, että hän pelkäsi sitä
pienimmälläkään sormenliikkeellä häiritä. Oli kuin olisi hänen
sydämensä kohdalla ollut piripintainen malja, jonka pieninkin
heilahdus voi saada yli reunojensa läikähtämään. Taikka ehkä se
olikin tyhjyyttä, halvaantumista kuoleman edellä, rauhaa, jonka
pyörryttävästä onkalosta ei enää mitään tietä päivän valkeuteen
ollut.

Ainoat, jotka eivät tajuansa kadottaneet, olivat kuulohermot. Ne

seurasivat jännitettyinä jokaista liikettä viereisestä huoneesta,
suurensivat jokaisen äänen ja soittelivat hänen aivoihinsa
säännöllisellä tahdilla:

— Taateleita! Arbuusia! Krimin omenia!

II

RAHA

Kymmenen, kaksikymmentä, kolmekymmentä …

Äiti oli parempi. Hän voi istua sängyssään ja pureskella

piparikakkuja. Tuli räiskyi uunissa, talvinen aurinko paistoi
huoneesen, viheriävarpunen visersi ja näytti oikein hauskalta tällä
kertaa tuossa pienessä, matalassa kamarissa, jonka ikkunalla,
samoin kuin salinkin "Kristuksen verenpisara" kukki. — Muita
huoneita ei talossa ollutkaan.

Erkki laski rahojaan ikkunan ääressä. — Neljäkymmentä,

viisikymmentä …

Myöskin maantielle näytti lukkarinlesken pieni tupa hyvin

herttaiselta. Punaisine seinineen ja valkeine ikkunalautoineen kohosi
se kinoksien keskellä niinkuin mikäkin lasten leikkimaja, pari kuusta
oven pielessä antoi tukea sen ääriviivoille ja kattotorvesta
kierrättelevä savupatsas hymyili niin ystävällisesti harvoille
ohikulkijoille. Räystäs oli tosin hiukan ränsistynyt ja tuuliviiri katolla
kieroon kääntynyt, mutta muuten näytti talo vielä varsin muhkealta.
Kaikissa tapauksissa se erosi seudun talonpoikais-asunnoista, vaikka
se olikin vanha ja vaikka sen hirsissä seinätoukat iloisesti
riksuttivatkin.

Pienen puutarhan ja pihamaan ympärillä oli taketti. Se oli tosin nyt

lumen peitossa, mutta kaksi kallistunutta portinpylvästä ja rivissä
kasvavat pihlajat, joiden marjatertut näin auringon valossa paistoivat
aivan tulipunaisilta, huomauttivat heti vieraallekin, että tässä
tupasessa ei asunut pelkkää roskaväkeä.

Kuusikymmentä, seitsemänkymmentä, kahdeksankymmentä …

Äiti jutteli terveempänä ollessaan lakkaamatta. Se oli melkein

vieläkin hirveämpää kuin hänen hourailunsa ja makeisten kaipuunsa.
Joka toisen lauseen perästä sanoi hän aina "noh?" ja siihen piti aina
vastata jotakin. Ensi päivinä kotiintulonsa jälkeen oli Erkki ollut oikein
iloissaan äidin puhetulvasta, ja koettanut keskustella hänen
kanssaan kaikista maailman asioista, myöskin omistaan. Mutta pian
hän oli huomannut, ettei äiti kaivannut niinkään paljon
puhekumppania kuin kuulijaa.

Äidin muisto oli taudin aikana merkillisesti teroittunut. Hänellä oli

päivät pitkät maatessaan ollut aikaa ajatella kaikkea. Hänen
mieleensä johtui jos mitäkin juttuja tuolta kaukaisesta
rantakaupungista, jossa hän oli lapsuutensa ja nuoruutensa
viettänyt. Kaikki hänen entisen elämänsä tapaukset esiintyivät nyt
hänelle niin uudessa ja kummallisessa valaistuksessa, että hänen piti
välttämättä saada kertoa niistä ja että häntä välttämättömästi piti
jonkun aina kuunnella. Se ei ollut usein niinkään helppoa, sillä se
mitä äidillä oli kerrottavaa, oli enimmäkseen mitä joutavanpäiväisintä
lajia, mitättömiä seura-elämän juoruja, juttuja vanhoista, ammoin
manalle menneistä sukulaisista ja tuttavista, erittäinkin heidän
avioliitoistaan.

Erkkiä kiusasi tämä äidin alituinen, tyhjäsisältöinen loruaminen

äärettömästi. Äiti esiintyi sen kautta hänelle niin epämiellyttävänä,
poroporvarillisena. Hän ikäänkuin astui alas siltä korkealta ja pyhältä
jalustalta, missä hänen paikkansa Erkin mielestä oikeastaan oli, ja
muuttui takaisin siksi vähäpätöiseksi kauppiaan tyttäreksi ja siksi
vielä vähäpätöisemmäksi maalaislukkarin leskeksi, josta Erkki oli
hänet parhaiden ajatustensa papittareksi kohottanut. Äiti teki Erkin
mielestä niin väärin itseään kohtaan ja vielä verisemmästi väärin
Erkkiä kohtaan, paljastamalla näin henkisen köyhyytensä kaikessa
alastomuudessaan.

Yhdeksänkymmentä ja sata. Sataviisikymmentä, kaksisataa …

Kuinka kalliita olivatkaan hänelle nämä rahat ja millä hän ne

takaisin maksaisi! Mitä vaikeuksia olikaan niiden hankkiminen hänelle
tuottanut ja mitä nöyryytyksiä! Juosta hän oli saanut pitkin pitäjää,
vippailla sekä herroilta että talonpojilta, uudistaa vanhoja,
laiminlyötyjä tuttavuuksia, hymyillä ja olla ystävällinen. Ajat olivat
huonot, rahaa vähän, toiset olivat antaneet vähästään, toiset olleet
antamatta. Kauppiaassa hän oli saanut käydä, ja nimismiehessä,
pappilassa ja kunnallislautakunnan esimiehen luona, istua sohvan
nurkissa ja kertoa Helsingin kuulumisia, samalla kuin tämä yksi
ainoa, tärkein sanottava poltti hänen kielellään. Myöskin Annin isän
luona hän oli käynyt järven toisella puolen.

Hän tarvitsi välttämättä nämä rahat. Koko hänen aineellinen

olemassaolonsa riippui niistä. Oli langennut pääkaupungissa eräs
paperi, jota ei enää voinut uudistaa. — Millä hän ne takaisin
maksaisi? Sen jälkeen kuin hänen lehtensä oli lakkautettu, ei hänellä
ollut enää mitään vakinaisia tuloja. Sitten oli vielä tullut äidin
äkillinen huonontuminen, matka tänne maan sydämeen, kodin
köyhyys ja lääkärinmaksut. Jos tämä vekseli olisi päässyt
lankeamaan, olisi kaikki ollut hukassa. Nyt kestäisi hänen luottonsa
vielä vähän aikaa, mutta sitten … sitten? Mikä tulisi hänelle neuvoksi
kevääsen, mikä kesään mennessä?

Erkki ei jaksanut ajatella enempää. Hän oli miettinyt liian paljon

näitä rahoja, valvonut yöt vuoteellaan, laskenut ja laskenut;
päivinkin olivat numerot hänen päässään pyörineet. Milloinkaan ei
asioiden hoito ollut näin lujalle ottanut. Pääkaupungissa edes näki
rahaa, tapasi tuttavia, oli tilaisuudessa ansaitsemaan. Täällä maalla
oli aivan hukassa… Jo oli hän pitänyt itseään menneenä miehenä,
ystävien ylenkatsomana, rappiolle joutuneena, ilman paikkaa, ilman
toimeentuloa, ilman vähäisintäkään tulevaisuuden toivoa. Kaikki oli
riippunut näistä rahoista.

Kolmesataa, neljäsataa, viisisataa …

Anni nousi päivällistä laittamaan. — Nyt hän tiesi myös, mitä

varten Anni ei kotonaan viihtynyt, miksi hän mieluummin eli täällä
sairaan tätinsä hoitajattarena. Pimeä ja likainen oli ollut sukulaistalo
järven toisella puolen, setä oli mennyt uusiin naimisiin, nainut
entisen karjakkonsa, raa'an ja röyhkeän näköisen. Yhdessä ne nyt
rahaa kokosivat, yhdessä entisen emännän lapsia nälällä kiusasivat.
Annin oli heti alussa täytynyt keskeyttää seminaarinsa.

Ja äkkiä, ikäänkuin kahden pilven raosta, välkähtivät Erkin mieleen

syksyiset, saviset pellot, perunannosto, pieksusaappaat ja käärityt,
likaiset helmat. Niiden viereen ilmestyi läävä, hyllyvä, rapakkoinen
tanhua, lantaläjä ja rappeutunut kuisti. Sielläkö oli nyt Annin
maailma, sellainenko hänen kultainen kotinsa?
 Erkin täytyi keskeyttää rahanlukemisensa. Hän laski setelipakan
kädestään pöydälle ja katsoi ulos ikkunasta. — Talvinen aurinko
paistoi pitkin kimmeltäviä hankia, pihlajasta varisi lumi, tilhiparvi
pyrähti tulipunaisten marjojen sekaan. Tuolla kauempana, kautta
loivien lakeuksien kohosivat hänen kotikylänsä talot, näkyivät sieltä
punamullatut seinät ja ystävälliset, kultaiset savupatsaat. Kaikki
keskeltä valkeiden kinosten, kaikki hohteessa härmäisen talvipäivän.

Että hän ei ollut tullut tuota ennen ajatelleeksi! Kenties olikin se,
mikä hänelle oli kuolema, Annille elämä, se, mikä hänelle harmaja
todellisuus, Annille pitkä pilvenranta. Kenties sulkivat nämä ahtaat
seinät, joiden välissä Erkki oli ollut niin monta kertaa
tukahtumaisillaan, sisäänsä kaiken sen, mikä Annille vielä merkitsi
vapautta, elämää ja päivänpaistetta? Kenties olivat äidin houreet,
tuskanhuudot ja tyhjä loruaminen hänelle suloista soitantoa sen
rinnalla, mitä hän kotonansa kuuli? Kenties oli tämä talo, tämä
kirkonkylä, nämä ihmiset hänelle viimeinen punainen rantu siinä
harmaassa kankaassa, jonka hänkin tunsi yhä ahtaammalle
sydämensä ympäri kääriytyvän?

Erkki mietti ja mietti. Annin kohtalo esiintyi hänelle äkkiä niin

äärettömän surettavana ja säälittävänä. — Tietysti oli se niin, tietysti
oli Anni juuri sen vuoksi niin alttiisti kiirehtinyt äitiä hoitamaan. Mutta
äidin kuoleman jälkeen? Mitä Anni sitten tekisi? Silloin olisi hänelle
kaikki lopussa. Painuisi viimeinen päivänjuova hänen mielestään,
pakahtuisi sydän, seisoisi pimeys sekä edessä että takana …

Mitä oli Anni Erkille? Ei mitään. Tuskin tuttava serkku, hämärä

lapsuuden muisto, jonka hän nyt äkkiä oli äidin sairasvuoteella
tavannut. — Kuitenkaan ei Erkki voinut olla itselleen myöntämättä,
että Annin läsnäolo vaikutti häneen merkillisen voimakkaasti. Annin
koko olennossa oli jotakin niin tervettä ja alkuperäistä. Hänen
tyynissä, viisaissa silmissään, jotka kiilsivät kuin kaksi mustaa
viinimarjaa, omasta tiukkuudestaan tipahtamaisillaan, kuvastuivat
aivan toiset elämän arvot kuin ne, joiden etsimiseen Erkki oli
nuoruutensa parhaat vuodet kuluttanut, ja hänen voimakkaan
vartalonsa uumenissa uhkuivat aivan toiset ilot ja ihanteet kuin ne,
joita Erkki oli tottunut ihmisen korkeimpina pitämään. Hän kuului
sittenkin tähän karkeaan, jokapäiväiseen, elämän ensimäisten
viettien, leipähuolten ja suvun jatkamisen maailmaan, jonka
surkastunut perikuva äiti oli, mutta joka Annissa kukki vielä täydessä
kukoistuksessaan. Hänkö itkisi elämän harmautta, hänkö viimeistä
päivänjuovaa sydämessään säilyttelisi!

Kuusisataa, seitsemänsataa, kahdeksansataa …

Erkki jatkoi hermostuneena lukemistaan. — Kaikkea hän

mielessään kuvittelikin! Anni tietysti oli täydellisesti tyytyväinen
elämäänsä, sekä järven tuolla että tällä puolen. Miksi hän sieltä oli
äitiä hoitamaan tullut, oli hänen oma salaisuutensa. Myöskin oli
mahdollista, ettei siinä mitään salaisuutta ollut. Ehkä oli se
tapahtunut yksinkertaisesti sukulaisrakkaudesta. Tuollaisilla kovilla,
jokapäiväisillä luonteilla oli tavallisesti hyvinkin hellä sukulaisvaisto.
Erkillä sitä ei ainakaan ollut, mutta hän ei ollutkaan mikään kova ja
jokapäiväinen luonne.

Tietysti oli Anni säälittävä, tietysti olisi Erkin ollut velvollisuus

valistaa Annia. Hän ei ollut vain aivan varma siitä, oliko Anni
kykenevä vastaanottamaan niitä tiedon ja korkeamman elämän-
ymmärryksen muruja, jotka hänen helmaansa näin odottamatta
tipahtaisivat. Eikä hän ollut aivan varma, oliko Anni halukaskaan…
Anni oli niin kummallisesti kaksinainen. Hän voi aivan vakavasti
kuunnella Erkin puheita, mennä myötä, ymmärtää ja lämmetä niin,
että Erkki todellakin luuli jo onnistuneensa herättämään hänessä
rehellistä pyrkimystä parempaan. Mutta sitten tuli jälleen väliin joku
jokapäiväinen askar ja silloin oli Anni kokonaan muuttunut…
ikäänkuin maailmassa ei olisi muita tärkeitä asioita ollutkaan kuin
aamiainen, päivällinen ja illallinen, ja tuo kirottu veitsien ja kahvelien
kalistaminen! … Erkki oli varma siitä, ettei Anni tälläkään hetkellä
ajatellut muuta kuin ettei riisiryynipuuro pohjaan palaisi. Se oli aivan
hirveätä.

Juuri tuota Annin varmuutta oman maailmansa oikeutuksesta olisi

Erkin niin kovasti tehnyt mieli järkyttää. Olisi ollut niin hauska saada
hänet horjumaan, epäröimään ja vihdoin hädissään häneen, Erkkiin,
niinkuin henkiseen tukeensa tarrautumaan. Vaikka Erkki
periaatteesta olikin kaiken pintapuolisen kansanvalistuksen vihamies,
täytyi hänen tunnustaa itselleen, että hänellä tässä oli edessään
työkenttä, joka ei ollut hänelle niinkään vastenmielinen. —
Toisestakin syystä olisi Erkki kernaasti lähestynyt Annia. Hän oli
lukevinaan Annin silmissä salaista nuhdetta siitä, että hän niin kauan
oli elänyt ainoastaan itselleen ja äitiään pääkaupungista pitäen niin
vähän avustanut. Kun Anni vaan kerran pääsisi hänen henkisten
rikkauksiensa perille, olisi hän varmaankin samalla huomaava, miten
aiheeton hänen hiljainen soimauksensa oli.

— Noh?

— Niin, äiti.

Äidin kieli kävi lakkaamatta. Tyhjiä loruillen ja piparikakkua

hampaattomassa suussaan maiskutellen, oli hän siinä sängynlaidalla
kääpiönkaltaisena käpöttäessään niinkuin mikäkin elämän irvikuva.
Par'aikaa kertoi hän juuri erästä juttua ijäkkäästä aatelisneidistä,
joka oli mennyt naimisiin oman renkinsä kanssa. Välillä nauroi hän
käheästi. — Erkki kuunteli vain puolella korvalla, mutta hän kuuli
kuitenkin. Ja jälleen tunsi hän mielensä painostuvan, turhaksi kaiken
työnsä ja taistelonsa.

Siinä se oli, se suuri, se väkevä, se harmaa, jota hän oli ikänsä

päältään torjunut, jonka peitseen hän oli punaisimman sydänverensä
vuodattanut ja jonka hän jo oli luullut kauas karkoittaneensa. Se istui
nyt tuossa hänen ääressään, irvisti häntä vastaan oman äidin
ikenistä, levitti kolkot siipensä hänen ylleen ja tahtoi estää hänet
hengittämästä. Eikö hän itsekin kuulunut tähän maaperään, eivätkö
hänenkin syvimmät juurensa olleet täällä? Turhaa oli enää
pyrkiäkään täältä pois, tuhannet säikeet kiinnittivät häntä tänne,
veren ja vanhojen muistojen kahleet, kovat kuin rauta. Ei, ei koskaan
onnistuisi hänen niitä enää rikkoa! Eikö ollutkin parasta panna
silmänsä kiini ja vaipua, vajota maan matalan poveen, kotoisen
maailman tasalle? Mikä oli hän, että hän päänsä pystympänä pitäisi
ja heimoansa halveksuisi, — säälisi kaikessa tapauksessa?

— Jumalan kiitos! Summa oli täysi. Hän oli jo laskiessaan

peljännyt sitäkin, vaikka hän kyllä ennenkin oli laskenut rahat. Olisi
sittenkin voinut puuttua jotakin, olisi jälleen alkanut sama juoksu ja
rehkiminen. Ei puuttunut mitään. Nyt ei muuta kuin setelit kiireesti
kirjekuoreen ja sitten postiin. Postimies voisi kaupungissa vaihtaa ne
suuremmiksi rahoiksi.

Samassa tuli Anni käskemään häntä keittiöön. Siellä oli joku, joka
etsi Erkkiä. Erkki jätti setelitukun pöydän nurkalle ja meni. — Se oli
kutsu kirkonkylän kauppiaan luo yksinkertaisille illallisille.

Erkki palasi takaisin ja huomasi heti, että rahat pöydällä eivät

olleet samassa järjestyksessä, mihin hän ne oli jättänyt. Hän laski ne
uudelleen. Aivan oikein, kaksi punalaitaa oli kadonnut. Oliko tuuli ne
vienyt? Tuuli kaksois-ikkunain läpi! Kissa? Heillä ei ollut kissaa.
Huoneessa ei ollut käynyt kukaan. Siis ei niitä ollut voinut ottaa
kukaan muu kuin äiti.

Hän katsahti äidin vuoteelle päin. Äiti oli nukkuvinaan. Vaikka hän
oli viipynyt poissa tuskin viittä minuuttia, oli äiti muka ehtinyt sillä
aikaa vaipua syvään uneen. Hän makasi kasvot seinään päin ja
kuorsasi kovasti.

Erkki tunsi tuskan hien kohoavan otsalleen. Oliko äiti todellakin

ottanut rahat? Hän katsoi pöydälle, katsoi pöydän alle, tutki
lompakkonsa ja luki jälleen rahat. Koi ei niitä ollut voinut syödä, ei
ruoste raiskata. Siis oli äiti ottanut ne.

— Äiti!

Äiti ei liikahtanutkaan.

— Äiti!

Ei vastausta.

— Äiti! Äiti! Otitko jotakin tuosta pöydältä?

Erkki meni hädissään hakemaan Annia. Hän oli niin kiihoittunut,

että koko hänen ruumiinsa vapisi.

— Tiedätkö? Äiti on varastanut minulta?

— Oletko varma siitä?

— Olen. Minä jätin rahat pöydälle ja nyt ei niitä enää ole siinä.
 Anni pyyhki kätensä ja tuli päättäväisenä Erkin perästä kamariin.
Hän astui kursailematta äidin vuoteen luo ja pudisti häntä hartioista.

— Täti! Oletko sinä ottanut Erkin rahat? Anna ne heti paikalla

hänelle!

Äiti kuorsasi yhä edelleen.

— Sitten otan minä ne sinulta väkisin.

— Älä, älä!

Erkki riensi häntä estämään. Kohtaus alkoi käydä hänestä jo liian

inhoittavaksi. Mutta Anni oli jo ehtinyt vetää äidin käden peiton alta.
Siinä olivat rutistuneet setelit.

Erkki rukoili:

— Äiti! Anna ne minulle hyvällä! Tiedäthän, että tarvitsen ne

välttämättömästi.

Äiti ei vieläkään sanonut mitään. Hänen silmänsä olivat kiini ja

hänen huulensa lujasti yhteen puristetut.

Anni sanoi:

— Hän ei anna niitä. Pidä hänen toista kättään, että hän ei pääse
repimään niitä! Minä otan ne häneltä.

Silloin vasta heräsi äiti. Hän itki ja rukoili, pyysi ja vaikeroi. Erkillä
oli niin paljon rahoja, hänellä ei mitään, Erkki oli niin paljon nauttinut
maailmasta, hän ei ollenkaan. Hän oli Erkin edestä raatanut ja
taistellut, antanut viimeisen penninsäkin Erkin koulunkäyntiin; nyt ei
Erkki tahtonut antaa hänelle edes osaa paljostaan. Kohta hän kuolisi,
ei Erkillä enää hänestä kauan vaivaa olisi.

— Mutta, äiti kulta, minä tarvitsen nuo rahat, kuuletko, minä

tarvitsen! Minä olen mennyt mies ilman niitä.

Mutta äiti ei kuullut häntä. Hänkin tarvitsi rahoja.

— Mihin?

Äidin syntymäpäivä oli lähestymässä. Se oli luultavasti oleva hänen

viimeisensä. Hän tahtoi sen niin mielellään viettää entiseen tapaan,
vieraiden ja kaupunkivehnästen, viinin ja hyytelön kanssa. Sitä ei
oltu vietetty niin isän kuolemasta saakka. Köyhyys oli estänyt häntä.
Pitäjän herrasväki ei koskaan ollut sen jälkeen kokoutunut tähän
matalaan kotiin. Hän itse ei ollut koskaan saanut enää liikkua pitojen
emäntänä, vanhassa silkkileningissään, kultakello kaulassaan.
Hennoisiko Erkki nyt kieltää häneltä tuon ilon?

Erkki oli tullut äkkiä aivan kylmäksi. Hänelle oli kaikki lopussa. Hän
meni pöydän luo, otti setelipakan, antoi sen äidin käteen ja sanoi
lujasti ja armottomasti:

— Ota! Ota kaikki!

Sitten syöksyi hän ulos huoneesta. — Äiti kiirehti kätkemään setelit

peiton alle. Vain pari sai Anni pelastaneeksi.

*****

Erkki kulki pitkin lumista maantietä. Koko hänen sisällinen

ihmisensä oli järkytetty. Syvyyden lähteet olivat auenneet hänen
sydämessään ja tuliset kerät hyppelivät hänen silmäinsä edessä. Nyt
hän oli todellakin mennyttä miestä! Siinä se oli hänen ainainen
heikkoutensa! Mitä lempoa hän oli tänne maaseudulle tullutkaan?
Mitä häntä tarvitsi liikuttaa äidin sairauden, mitä kodin ja veren
siteiden? Miksi hän ei ollut kerrassaan jo aikoja sitten voinut rikkoa
niitä velvollisuuksia, joita hän ei kuitenkaan kyennyt täyttämään?

Päivä paistoi pitkin kimmeltäviä hankia, puut loivat sinertäviä

varjoja lumelle. Oli ilmassa kevään tuntua, taivas oli kirkas ja korkea,
pajupensas tien ohessa näki valkoisia unia. — Mutta hänen mielensä
oli katkera ja kova.

Kevät koittaisi kyllä, puut lehtisi, järvet jäättöminä kimaltelisi…

Hänelle yksin ei kevät enää koskaan koittaisi. Ei ollut hänessä ollut
miestä elämän taisteluun, ei pontta kyllin luonteeksi muodostumaan.
Ei hän ollut koskaan voinut ottaa mitään varmaa, poissulkevaa
kantaa, ei tehdä mitään ratkaisevaa päätöstä, ei polttaa mitään
laivoja takanaan. Siltä väliltä hän oli aina ollut ja siksi hän tulisi myös
ikänsä jäämään — sille välille. Horjunut hän oli kahden eri maailman
välillä ja siksi olivat nämä maailmat hänet vihdoin väliinsä
musertaneet.

Hänkö Annia kohottamaan? — Erkin täytyi sitä muistaessaan

nauraa katkerasti. Ei hän ollut kyennyt edes itseään kohottamaan, ei
luomaan itselleen mitään varmaa yksilöllisyyttä, ei mitään elämän-
ihannetta, jota hän voisi omakseen nimittää. Lainattua se oli kaikki
niinkuin hänen rahansakin, yksi ajatus sieltä, toinen täältä, kirjoista
opittua, sanomalehdistä luettua, kapakan pöytyeissä pureksittua!
Tuulen tuomaa, viiman viemää …

— Ota! Ota kaikki!

 Hänkö maailmaa parantamaan? — Jospa hän olisi voinut edes
itsensä parantaa, vapautua vanhoista muistoista, takoa itselleen
rinnan raudasta ja paidan teräksestä, sellaisen, jota taistelossa
tarvittiin. Untuvia hän oli ympärilleen koonnut, unelmista hän oli
sotisopansa luonut, haaveista, joilla ei mitään tosi pohjaa ollut.
Elämän kauneutta hän oli etsinyt ja tavoitellut. Nyt oli elämän
rumuus hänet ympäri piirittänyt.

— Ota! Ota kaikki!

Hänkö myrskyssä seisomaan? — Jospa hän olisi voinut edes

tyynessä seista, jospa edes satamassa säilyä haaksirikosta! Ei olisi
toinen hänen, sijassaan vavissut, ei silmää räpähyttänyt, ottanut
elämältä omansa, vaikka se sitten olisi ollut oman kuolevan äidin
käteen puristettu. Hän vapisi. Pienen vedenalaisen karin hän antoi
kaataa veneensä, särkeä kaikki suunnitelmansa. Raukka hän oli ja
raukka hän oli aina ollut, raukaksi hän oli syntynyt ja raukkana hän
pysyi! Oli ollut hänellä tähän asti vielä pisara ylpeyttä, vaaksa
itseluottamusta, kipinä omanarvon tuntoa. Nyt oli sekin mennyt.

— Ota! Ota kaikki!

Hän käveli kauas, kauas pitkin lumista maantietä, ohi kirkon, ohi
hautausmaan, kohti korpea lähestyvää. Lankesi hämärä hänen
ympärilleen, syttyivät tähdet hänen päänsä päälle. Syttyivät myös
lamput lakeudella, syttyivät taloissa ja etäisissä metsätorpissa. —
Mutta Erkin mieleen hiipi ääretön surumielisyys.

Mitä hän oli ollut ja miksi hän oli elänyt? Mihin pyrkinyt ja mitä
elämässä toimittanut? Kuluttanut hän oli aikansa arkipäiväin
pienessä rähinässä, tuhlannut itsensä, tuhlannut toiveensa ja
työkykynsä. Tyhjä, puusta pudonnut lehti hän oli, valmis hankeen
haudattavaksi …

Jospa hän olisi edes joskus vihannut vakavasti taikka rakastanut

vakavasti, tehnyt oikein hyvää jollekulle taikka tehnyt oikein pahaa!
Jäisi edes joku muisto hänen elämästään, jalanjälki lumelle,
kirjokaan taivaalle… Mutta ei! Tyhjää oli hänen elämänsä ollut ja
sisällötöntä, tuomittu hän oli jäljettömiin häviämään …

Harmaata oli ollut elämä hänen ympärillään ja rumaa, ei ollut

monesti päivä sumun läpi pilkistänyt. Märkä metsä oli hänen
ympärillään itkenyt, huoannut maa liejuinen hänen jalkojensa alla.
Oli sattunut joskus eteen sininen silta, punainen pursi; ollut oli kaikki
jälleen harmaata …

Ei ollut elämä hänelle antanut paljon iloja eikä paljon suruja. Oli
antanut päiviä pääksytellen, iloa vain iltojen siteiksi, surua vain
huomenen huoliksi. Ei ollut elämällä siis häneltä paljoa otettavaa …

Ikävä oli maailma, ikävät ihmiset, ikävät hänen omat ajatuksensa.

Kultaan ja purppuraan hän oli kerran onnensa pukenut; nyt pyöri se
harmaana lankakeränä hänen edessään. Viitsisikö hän sen enää
ottaa ylös, sen kerimisellä kättänsä vaivata?…

Nyt oli hän yhdenvärinen muun maailman kanssa.

III

LEHTIPURJEESSA

Erkki palasi myöhään illalla kotiinsa kauppiaan kutsuista.

Maalaiskirkon tapuli kohosi juhlallisena kohti tummansinertävää

kevättalven taivasta. Kirkon juurella, kinoksien keskellä, nukkuivat
talot, nukkuivat myös hiljaiset metsät niiden ympärillä, kauempana
korpien takana kohosi jälleen taloja ja kirkkoja, nousi lumisia
vaaroja, avautui aavoja järvenselkiä, joita viittatiet risteilivät. — Tähti
putosi siellä, tähti täällä. Yksinäisen kulkijan askeleet narskuivat
sileäksi tallatulla tiellä.

Oli ollut paljon vieraita tuolla kauppiaassa. Piha täynnä ajopelejä,

huoneet tupakansavua ja äänten sorinaa… Hänelle oli pidetty
puhekin, lakkautetun sanomalehden toimittajalle… Kauppias oli tullut
häntä kädestä puristamaan ja kuiskaten tuttavallisesti selittänyt,
mitenkä tässä, juuri tässä hänen samaisessa puotikamarissaan oli
alkanut se uuden ajan edistystyö tällä paikkakunnalla, jonka
hedelmiä hän nyt kaikkialla ympärillään näki. Tässä oli nuorisoseura
perustettu, tässä sen ensimäiset kokoukset pidetty, tässä valittu uusi
kunnallislautakunta ja tässä uusi valtiopäivämies. …
Maanviljelysneuvos oli istuttanut hänet viereensä ja kiihkeällä
kaunopuheisuudella tehnyt tiettäväksi, miten maailmassa ja varsinkin
valtiollisessa maailmassa ei mikään ollut ihmiselle niin tarpeellinen
kuin maltti, ei mikään niinkuin maltti… "piru vieköön, ei mikään
niinkuin maltti", oli hän sanonut ja lyönyt nyrkkiään pöytään, kun
Erkki oli osoittanut heikkoja vastaansanomisen oireita… Vanha
ruotsikkojen vihaaja kirkonisäntä oli jälleen molempia käsiään
levitellen koettanut vakuuttaa Erkkiä siitä, että paras keino osata
oikeaan oli tehdä juuri päinvastoin kuin ruotsinmieliset … jos ne
oikeaan, niin me vasempaan, jos ne vasempaan, niin me oikeaan!
Sillä tavalla ei koskaan erehtyisi. — Kansakoulun opettaja oli
mielipiteiltään anarkisti, "taikka tarvinisti", kuten hän itse sanoi.
Hänen murheensa oli vaan se, etteivät ukot tahtoneet oikein uskoa
kehitysoppiin.

Uudet ajat, uudet tavat! Uudet ihmiset, uudet pyyteet!… Istuivat

ennen sedät keinutuoleissa ja nahkasohviensa kulmissa, polttelivat
pitkiä piippujaan, maistelivat höyryäviä totilasejaan, tarinoivat
terveydestään ja vuodentulon toiveista, ulkomaiden tapahtumista ja
keisarien kruunauksista. Oli mukana pappi, pyylevä mies, oli lukkari,
hänen hyväntahtoinen isänsä, oli viinaan menevä maanmittari ja
nimismies, joka taisi lukemattomia kaskuja. Keskustelukielenä oli
rinnakkain suomi ja ruotsi; sen jälkeen kuin kansakoulunopettaja oli
tullut joukkoon, etupäässä suomi… Mutta hän kuuluikin jo
nuorempaan polveen.

Epäilemättä oli siitä lähtien suuri edistys tapahtunut. Virkamiehet

olivat nykyään vahvoja kansallismielisiä, kansa oli herännyt ja pappi
oli ankara raittiusmies … Kuitenkin tunsi Erkki tällä hetkellä
sanomattomasti kaipaavansa noita vanhoja aikoja. Oli ollut niin
rauhallista ja tukevaa silloin istua äänetönnä syrjässä ja kuunnella…
mieliala oli ollut eheämpi, seura kokonaisempi. Nyt sitä vastoin…
kirjavaa seuraa… kirjavia ihmisiä. Kaikki ne olivat sitäpaitsi tulleet
heti esittämään veljen maljaa.

Tämähän on suoraa taantumusta! ajatteli Erkki hymyillen

itsekseen. Varsin sopimattomia mielikuvia vapaamielisen lehden
toimittajalle… Mitähän veikot siellä Helsingissä sanoisivatkaan?…
Mutta sitten muisti hän, että hänen lehtensä olikin lakkautettu ja että
hän itse ei luultavasti enää ollenkaan pääkaupunkiin palajaisi… Nämä
olivat päinvastoin hyvin soveliaita ajatuksia sille, joka luultavasti tulisi
ikänsä maaseudun hiljaisuudessa viettämään.

Lapsuuden muistot, kerran herättyään, eivät enää jättäneet

Erkkiä. Ne seurasivat hänen askeleitaan talvi-öisellä tiellä, seurasivat
ohi kirkon, ohi hautausmaan, kohti kotia lähestyvää. Hän muisti
isänsä, muisti kultaisen emonsa, muisti huolettomat kouluajat ja
ensimäiset askeleensa elämässä … Hänestä tuntui kuin olisivat päivät
silloin olleet pitemmät ja ihmiset iloisemmat, päivänlaskut
laupiaammat, koriammat huomenkoitot.

"Toisin silloin touko kasvoi, toisin maa orahan otti."

Hän mahtoi itsekin olla silloin toinen, — minkälainen, sitä ei Erkki

enää oikein tarkoin muistanut, ainoastaan, että hän oli ollut
reippaampi ja iloisempi… ei juuri iloisempikaan, mutta itseensä
tyytyväisempi. Oli ollut keveämpi elää. — Mielikuvat tulivat ja
menivät.

Yksi kohosi muita korkeammalle … Sata oli lintua metsässä; yksi

lauloi muita kauniimmasti… Tuhat oli tähteä taivaalla; yksi kimmelsi
muita kirkkaammasti … Monta oli luotoa merellä; yksi oli paasi kullan
paistavainen.