决策树、支持向量机、朴素贝叶斯、神经网络在构建预测模型时的优缺点

决策树的优点是易于理解和解释，可以处理离散型和连续型数据，能够处理多输出问题，具有很好的可扩展性和灵活性；缺点是容易出现过拟合问题，对于处理缺失数据效果不佳，容易受到噪声的干扰。

支持向量机的优点是能够处理高维数据，对于非线性分类问题具有很好的效果，泛化能力强；缺点是对于大规模数据的处理速度较慢，不适合处理多类别问题，对于噪声敏感。

朴素贝叶斯的优点是模型简单，速度快，对于大规模数据的处理效果较好，对于缺失数据不敏感；缺点是对于复杂的关系模型表现不佳，需要满足属性独立的假设。

神经网络的优点是能够处理非线性问题，能够自动学习，对于大规模数据的处理能力强；缺点是模型复杂，需要大量的计算资源和时间，对于解释性较差。