我是在差分隐私下看到的，新解決方案的可用性肯定小于原有解決方案的可用性，也就是說資訊的後續處理隻會降低所擁有的資訊量。
那麼如果這麼說的話為什麼還要做特征工程呢，這是因為該不等式有一個巨大的前提就是資料處理方法無比的強大，比如很多的樣本要分類，我們做特征提取後，SVM效果很好 ，但是如果用DNN之類的CNN、AuToEncoder，那麼效果反而不如原來特征。這樣就能了解了，DNN提取能力更強，那麼原始就要有更多的資訊，在新特征下無論怎麼提取，資訊就那麼多。
資訊量越多越好麼？肯定不是，否則為什麼PCA要做降噪和去備援呢？我們的目的是有效的資訊最大化。
另外一種了解就是從互資訊不為0（資訊損失）來解釋。
進而
那麼如何在處理過程中不丢失有效資訊呢？這時候就需要數學上的充分統計量，也就是g是y的充分統計量。