Я тестировал октаву и R.
По поводу октавы: меня очень впечатлило схожесть октавного синтаксиса. Мне не потребовалось много времени, чтобы перевести мои скрипты MATLAB в октаву. Между тем у меня есть особая проблема с печатью маркеров вместе с панелью ошибок, которая была исправлена Ярно Раджахалме на nabble, и с изменением размера шрифта xtick, который я получил в ответе на вопрос на nabble. Так что в нем все еще есть некоторые ошибки, которые можно исправить, приложив определенные усилия. Если у вас возникнут какие-то проблемы, вы можете попробовать набить почтовый форум: help-octave@octave.org. Между прочим, моя команда не может адаптироваться (удобная для пользователя) к нему, так как они адаптируются к MATLAB, поэтому мы все еще используем MATLAB. Поскольку MATLAB построен под gnuplot, другой способ исправить его ошибки - это редактировать сгенерированный файл gnuplot. Лучшей IDE, которую я нашел для нее, была QtOctave, в которой я сделал небольшой обзор "
Что касается R: согласно исследованию, проведенному SciViews, производительность R превосходит MATLAB и октаву. У меня нет большого опыта работы с R. Я изучил пакет mclust, чтобы написать главу в викибуке об ЭМ кластеризации на R. Между прочим, у них, похоже, очень активное сообщество. Таким образом, вы можете найти сторонние пакеты для предложений, которые не стандартизированы IMO. Лучшей IDE, которую я нашел, был плагин StatET для eclipse, JGR (Java GUI для R) и emacs. Несмотря на временные затраты на изучение нового языка программирования, если бы я выбрал платформу с открытым исходным кодом для графического отображения экспериментов и анализа данных, я бы попробовал R.