YouTube es una plataforma de redes sociales popular en el paisaje digital contemporáneo. El enfoque principal de este estudio es explorar el sentimiento subyacente en los comentarios de los usuarios sobre videos relacionados con la comida en YouTube, específicamente dentro de dos categorías alimentarias clave: productos de origen vegetal y hedónicos. Etiquetamos los comentarios utilizando léxicos de sentimiento como TextBlob, VADER y el motor de Análisis de Sentimiento de Google (GSA). El sentimiento de los comentarios se clasificó utilizando algoritmos avanzados de Aprendizaje Automático (ML), a saber, Máquinas de Vectores de Soporte (SVM), Naive Bayes Multinomial, Bosque Aleatorio, Regresión Logística y XGBoost. La evaluación de estos modelos abarcó métricas clave de promedio macro, incluyendo precisión, exactitud, recuperación y puntuación F1. Los resultados de GSA mostraron un alto nivel de precisión, con SVM logrando un 93% de precisión en el conjunto de datos de origen vegetal y un 96% en el conjunto de datos hedónico. Además del análisis de sentimiento, profundizamos en las interacciones de los usuarios dentro de los dos conjuntos de datos, midiendo métricas cruciales, como vistas, me gusta, comentarios y tasa de participación. Los hallazgos iluminan niveles significativamente más altos de vistas, me gusta y comentarios en el conjunto de datos de comida hedónica, pero el conjunto de datos de origen vegetal mantiene una tasa de participación general superior.