Poker is a card game with a very simple objective, basically players bet that their card combination is better than that of their opponents. In the area of ​​computing, more specifically the areas of Artificial Intelligence and machine learning, poker is used as a research object due to its characteristics that make it an interesting challenge for such. It is characterized by a multi-agent competitive environment, partially observable and stochastic. Given this set of characteristics, several machine learning techniques can be applied, in one of the related works the problem of learning the strategies of a player through his records of previous games was addressed. A set of attributes was modeled to represent four aspects of the game: position, aggression, hand quality and current situation. Although some classification techniques had a satisfactory result, the importance of the attributes was not analyzed. Since redundant or irrelevant attributes can impair predictive performance, this work aims to select a subset with the most relevant attributes to be used in the learning process using the attribute selection techniques such as filters and rappers. These techniques aim to reduce the complexity ´ of the model, making it more interpretable, and thus it is expected that the ´ performance of the techniques used will be improved.2O pôquer e um jogo de cartas com um objetivo bem simples, basicamente os jogadores apostam que sua combinação de carta seja melhor que a do seus oponentes. Na área da computação, mais especificamente as áreas de Inteligência Artificial e aprendizagem de maquina, o pôquer e utilizado como objeto de pesquisa devido a suas características que o tornam um desafio interessante para tais. Tem-se como característica um ambiente multi-agente competitivo, parcialmente observável e estocástico. Dado esse conjunto de características diversas técnicas de aprendizado de maquina podem ser aplicadas, em um dos trabalhos relacionados foi abordado o problema de aprender as estratégia de um jogador através de seus registros de jogos anteriores. Um conjunto de atributos foi modelado para representar quatro as aspectos do jogo: posição, agressividade, qualidade da mão e situação atual. Apesar de que algumas t cênicas de classificação tiveram um resultado satisfatório, a importância dos atributos não foram analisados. Uma vez que atributos redundantes ou irrelevantes podem prejudicar o desempenho preditivo, este trabalho visa selecionar um subconjunto com os atributos mais relevantes para serem utilizados no processo de aprendizagem utilizando as técnicas de seleção de atributos como filtros e rappers. Essas técnicas visam diminuir a complexidade ´ do modelo, tornando-o mais interpretável, e dessa forma espera-se que o ´ desempenho das técnicas utilizadas seja melhorada.