Tato práce se zabývá teorií metod Feature Selection a jejich aplikací na datech ve statistickém softwaru R. Cílem práce je porovnat jednotlivé přístupy, zhodnotit jejich výhody a nevýhody. V práci byly představeny metody best subset, forward, backward, stepwise selection a lasso regrese. Taktéž jsou zde uvedeny potřebné balíčky softwaru R, včetně popisu jejich důležitých funkcí. Metody byly aplikovány na logistickou a Coxovu regresi. Výsledky jsou slovně popsány a shrnuty v závěrečných tabulkách.This paper deals with theory of Feature Selection methods and their applications on data in statistical software R. The aim is to compare different approaches and assess their advantages and disadvantages. In this work there were presented the best subset, forward, backward, stepwise selection and lasso regression. Also there are listed R software packages, including a description of their important functions. The methods were applied to logistic and Cox regression. The results are verbally described and summarized in the final tables.