在逻辑回归模型中，参数求解的方法主要依赖于数值优化技术，如梯度下降法。逻辑回归的目标是通过最大化似然函数来找到最佳参数，而不像线性回归那样可以直接使用最小二乘法求解析解。因此，最小二乘法不适用于逻辑回归模型的参数求解。

具体分析如下：

A: 小批量梯度下降 - 这是可以使用的方法之一。它通过在每次迭代中使用数据集的小批量来更新模型参数，兼顾了批量梯度下降和随机梯度下降的优点。

B: 随机梯度下降 - 这也是可以使用的方法。它在每次迭代中仅使用一个样本来更新模型参数，计算效率高，但可能会导致参数更新的不稳定。

C: 批量梯度下降 - 这也是可以使用的方法。它使用整个数据集来计算梯度并更新参数，收敛稳定，但计算复杂度较高，特别是在大数据集的情况下。

D: 最小二乘法求解析解 - 这是不可以使用的方法。最小二乘法适用于线性回归模型，而逻辑回归模型由于其非线性性质，不能通过最小二乘法直接求解。

因此，正确答案是：

D: 最小二乘法求解析解