要编写一个函数来拟合随机森林模型并返回指定数据的结果，可以使用scikit-learn库中的RandomForestClassifier类。下面是一个代码示例：

from sklearn.ensemble import RandomForestClassifier

def fit_random_forest_model(X_train, y_train, X_test):
    # 创建随机森林分类器对象
    clf = RandomForestClassifier()
    
    # 使用训练数据拟合模型
    clf.fit(X_train, y_train)
    
    # 使用拟合好的模型对测试数据进行预测
    y_pred = clf.predict(X_test)
    
    # 返回预测结果
    return y_pred

在这个例子中，X_train是训练数据集的特征，y_train是对应的标签，X_test是要对其进行预测的测试数据集的特征。函数首先创建了一个RandomForestClassifier对象clf，然后使用X_train和y_train拟合了模型。最后，使用拟合好的模型对X_test进行预测，并将预测结果y_pred返回。