如何改善scipy的curve_fit的不良拟合？

Question

我有一个直方图，给出了两个列表，一个表示容器，另一个表示发生次数。绘制时，在下面的图片中显示蓝色条。

docs

对于我的应用程序，我想将指数函数适合数据

f(x) = A * exp(-B*x).

我尝试了使用scipy包中的a函数：

func_params, _ = scipy.optimize.curve_fit(lambda x, A, B: A * np.exp(-B * x), 
                                          bins[:-1], 
                                          occurences)

我从中得到的参数用于在图像中绘制橙色函数。我认为这很不合适，因为第二个峰值几乎被完全忽略了。

问题：是否有可能（或选择）更适合自己？

编辑：一个更理想的结果如下：

因此，基本上这将是在拟合第一和第二峰值之间的权衡。