对于预测客户用于交易的信用卡是否涉及信用卡欺诈的问题，常用的预测建模算法包括以下几种：

1. 逻辑回归（Logistic Regression）：逻辑回归是一种广泛应用于分类问题的算法，可以用于预测二分类问题，如判断信用卡交易是否涉及欺诈。逻辑回归通过将特征与对应的权重相乘，并经过一个sigmoid函数，将结果映射到0和1之间，从而得到预测结果。
2. 决策树（Decision Tree）：决策树是一种基于树结构的分类算法，可以根据特征的取值进行划分，最终得到一个决策路径。通过构建决策树模型，可以根据客户的交易特征判断是否涉及信用卡欺诈。
3. 随机森林（Random Forest）：随机森林是一种集成学习算法，通过构建多个决策树，并对其结果进行投票或平均，得到最终的预测结果。随机森林可以有效地处理高维数据和特征选择问题，适用于信用卡欺诈预测。
4. 支持向量机（Support Vector Machine，SVM）：支持向量机是一种二分类模型，通过构建一个最优的超平面来实现分类。SVM可以通过核函数将数据映射到高维空间，从而更好地处理非线性问题，适用于信用卡欺诈预测。
5. 神经网络（Neural Network）：神经网络是一种模拟人脑神经元工作方式的算法，通过多层神经元的连接和权重调整，实现对复杂模式的学习和预测。神经网络在处理大规模数据和复杂特征时具有优势，可以用于信用卡欺诈预测。

以上是常用的预测建模算法，根据具体情况和数据特点，可以选择合适的算法进行信用卡欺诈预测建模。