De Jackknife is een resampling-techniek in machine learning die wordt gebruikt voor statistische schatting en validatie. Het houdt in dat men systematisch elke observatie weglaat van de dataset en het model opnieuw traint op de resterende gegevens.

Dit levert een schatting van de prestatie op die minder gevoelig is voor outliers en geeft meer stabiele variantie-schatting dan andere methoden. Het is verwant aan cross-validation maar werkt op individueel niveau.