关于决策树的性质，我们可以逐项分析选项：

1. **A: 有参数模型**
- 决策树通常被认为是无参数模型。无参数模型不依赖于固定数量的参数，因此它们比有参数模型更加灵活。决策树的结构是由数据自身决定的，没有预先设定的参数，因此它不是一个有参数模型。
- **错误**

2. **B: 无参数模型**
- 正如前面所提到的，决策树是无参数模型，因为它不依赖于固定数量的参数进行预测，模型的复杂度由数据决定。
- **正确**

3. **C: 有损失函数**
- 决策树在训练时使用损失函数来选择在哪个特征上进行分裂。对于分类问题，通常使用基尼不纯度或信息增益（熵）的减少作为分裂标准；对于回归问题，通常使用均方误差（MSE）作为损失函数。
- **正确**

4. **D: 可以用来做回归或者分类**
- 决策树可以进行分类和回归两种任务。用于分类的决策树称为分类树，而用于回归的称为回归树。分类决策树输出类别标签，而回归决策树输出连续值。
- **正确**

因此，正确答案是 **B, C, D**。以下是一张总结表格：

| 选项 | 正确性 | 分析 |
|------|--------|------------------------------------------------|
| A | ❌ | 决策树是无参数模型，不依赖固定数量的参数。 |
| B | ✅ | 决策树是无参数模型，由数据决定模型结构。 |
| C | ✅ | 决策树使用损失函数（如基尼不纯度、信息增益等）。 |
| D | ✅ | 决策树适用于回归和分类任务。 |