本题考察对聚类算法的理解。聚类算法常用于公司建立用户行为画像，因此本题选A。

建立用户行为画像通常涉及对用户进行分类，以便更好地理解和预测他们的行为。对于这一任务，**聚类算法**（选项A）是最适合的。以下是专业分析：

1. **聚类算法**：
- **适用场景**：聚类算法用于将数据集中的对象分组，使得同一组中的对象在某种意义上更相似，而不同组中的对象差异更大。
- **优势**：它可以自动发现数据中的自然分组或模式，无需预先标注数据。
- **典型算法**：K-means、层次聚类、DBSCAN等。

2. **多元线性回归算法**：
- **适用场景**：用于预测一个连续变量（因变量）与一个或多个自变量之间的关系。
- **局限性**：不适用于分类任务，更多用于回归分析。

3. **决策树算法**：
- **适用场景**：用于分类和回归任务。
- **局限性**：虽然可以用于分类，但在处理大规模数据和高维度数据时，可能不如聚类算法高效。

4. **朴素贝叶斯算法**：
- **适用场景**：用于分类任务，特别是文本分类。
- **局限性**：假设特征之间相互独立，这在很多实际应用中并不成立。

综上所述，聚类算法（选项A）是建立用户行为画像的最佳选择。它能够有效地对用户进行分组，帮助公司更好地理解用户行为，从而制定有针对性的用户留存策略。