在C++中，决策树可以用于回归问题，但通常不是首选方法。决策树是一种监督学习算法，主要用于分类问题，但也可以用于回归问题。在回归问题中，决策树的性能可能不如其他专门的回归算法，如线性回归、支持向量机或神经网络。
然而，决策树在处理非线性关系、处理缺失值和异常值以及提供可解释性方面具有优势。此外，决策树可以很容易地扩展到集成方法，如随机森林和梯度提升树，这些方法在回归问题中通常表现更好。
要在C++中使用决策树进行回归，你可以使用一些开源库，如Dlib或MLpack。这些库提供了决策树算法的实现，并支持多种数据类型和特征选择方法。
总的来说，虽然决策树在回归问题中的表现可能不如其他专门的回归算法，但它们在某些情况下仍然是一个有吸引力的选择，特别是当你需要处理非线性关系、缺失值和异常值时。
