编写生成数据x的代码,x=(x1,x2),x1和x2符合二维三模态的高斯混合模型，模态的权重分别为0.2，03，0.5。

以下是使用 Python 生成数据 x 的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.mixture import GaussianMixture

np.random.seed(0)

# 定义三模态的高斯混合模型的参数
gmm = GaussianMixture(n_components=3, covariance_type='full', 
                      weights=[0.2, 0.3, 0.5], 
                      means=[[0, 0], [1, 1], [2, 2]], 
                      precisions_chol=[[[1, 0], [0, 1]], 
                                      [[1, 0.5], [0.5, 1]], 
                                      [[1, -0.5], [-0.5, 1]]])

# 生成样本
x = gmm.sample(1000)

# 绘制数据
plt.scatter(x[:, 0], x[:, 1], s=5)
plt.show()

这段代码使用了 `numpy` 和 `scikit-learn` 库，其中：
- `np.random.seed(0)` 用于设置随机数生成器的种子，以便得到可重复的结果；
- `GaussianMixture` 是 `scikit-learn` 库中实现高斯混合模型的类；
- `gmm.sample(1000)` 用于生成 1000 个样本；
- `plt.scatter` 和 `plt.show` 用于绘制生成的数据。