正确答案是：D: 最小二乘法求解析解。

专业分析：

逻辑回归是一种用于分类问题的统计模型，其目标是预测某个事件的概率。逻辑回归中使用的损失函数是对数似然损失函数，而不是平方损失函数。因此，逻辑回归参数的求解通常使用的是基于梯度下降的方法，而不是最小二乘法。

具体分析如下：

A: 小批量梯度下降（Mini-batch Gradient Descent）是一种将训练数据分成小批量进行参数更新的梯度下降方法，适用于逻辑回归。

B: 随机梯度下降（Stochastic Gradient Descent）是一种每次使用一个样本进行参数更新的梯度下降方法，也适用于逻辑回归。

C: 批量梯度下降（Batch Gradient Descent）是一种使用所有训练数据进行参数更新的梯度下降方法，同样适用于逻辑回归。

D: 最小二乘法求解析解（Ordinary Least Squares, OLS）通常用于线性回归问题，其目标是最小化平方损失函数。然而，逻辑回归的损失函数是对数似然损失函数，无法通过最小二乘法求得解析解。因此，最小二乘法不适用于逻辑回归参数的求解。

综上所述，逻辑回归参数求解中不可以采用的方法是最小二乘法求解析解。